DRLND-项目3 该存储库包含项目3的实现。 项目详情 该项目实施了多代理深度确定性策略梯度（MADDPG），用于解决在虚拟世界中打网球主要是合作游戏的Unity环境。 最终执行记录： 在这种环境下，两名特工控制球拍在球网上弹跳球。 如果探员将球击中网，则得到+0.1的奖励。 如果探员让一个球击中地面或越界将球击中，则其收益为-0.01。 因此，每个特工的目标是保持比赛中的球权。 观察空间由8个变量组成，分别对应于球和球拍的位置和速度。 每个代理都会收到自己的本地观察结果。 有两个连续