概述 这是Siraj Raval在YouTube上录制的视频的代码。这是研究人员在视频中使用的“信任区域策略优化”算法的实现。但是，他们没有公开其完整代码。因此，这是应用于游戏环境的技术。有人可以将其用作重新创建代码的起点。同时-嗨，研究人员:)继续发布它，社区对此表示赞赏。 TRPO的PyTorch实施 除非您出于某些特定原因需要TRPO，否则请尝试此实现（又名TRPO的更新更好的变体）。 这是的PyTorch实现。 这是大多数代码从移植而来的代码。与，该实现方式使用精确的Hessian向量