来自 Harrison Kinsley（@Sentdex）的推文线程

这是一个垂直整合的端到端深度神经网络，可实时执行前向推理，控制单个执行器的扭矩输出，以在不利、GPS 受限的环境中生成双足步态。 好的，这是标准的 PPO rl，在 mjlab 接受过训练，被绑在拖拉机上。