代理使用Deep Q-Learning遍历整个香蕉世界，以使得分最大化。 该项目包括可用于训练和测试代理的脚本。 环境 代理被放置在随机放置黄色和蓝色香蕉的方形世界中。 提供+1的奖励以收集黄色香蕉，提供-1的奖励以收集蓝色香蕉。 该代理的目标是收集尽可能多的黄色香蕉，同时避免使用蓝色香蕉。 状态空间具有37个维度，并包含主体的速度以及围绕主体向前方向的物体的基于光线的感知。 提供了四个离散操作，分别对应于： 0向前移动。 1向后移动。 2向左转。 3向右转。 该任务是情节性的，当