来自 Harrison Kinsley（@Sentdex）的推文线程

Geoff 驾驶着 G1 准备进行现实中的越野活动。 我在这里的奖励机制设计得很糟糕，实际上我只是想看看所有出错的地方，结果却发现了一个相当不错的模型。 这些机器人只是想学习。