颠倒的强化学习 Pytorch中的颠倒强化学习（⅂ꓤ）实施。 基于JürgenSchmidhuber发表的论文： 该存储库包含一个离散动作空间以及一个针对OpenAI Gym CartPole环境（该环境的版本）的连续动作空间实现。 笔记本包括行为功能的培训以及评估部分，您可以在其中测试经过培训的行为功能。 用代理人在期望的时间范围内可以达到的期望的报酬来喂养它。 离散CartPole环境的图： 连续CartPole环境的图： LunarLander环境的图： 去做： 测试论文中提到