广义优势估计的信任域策略优化 帕特里克·科迪（Patrick Coady）： 概要 注意：代码已重构为使用TensorFlow 2.0和PyBullet（而不是MuJoCo）。 请参阅tf1_mujoco分支以获取旧版本。 该项目的最初目标是使用相同的算法来“解决” 。 并且，具体地说，要在不手动调整每个环境的超参数（网络大小，学习速率和TRPO设置）的情况下实现此目的。 这是具有挑战性的，因为环境的范围从具有单个控制输入的简单手推车杆问题到具有17个受控关节和44个观察变量的类人动物。 该项