udacity_navigation 介绍 在该项目中，训练了一个模型来导航大型正方形世界，以使用DQN收集不同的香蕉。 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。 因此，代理商的目标是尽可能多地收集黄色香蕉，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。 有了这些信息，代理就必须学习如何最好地选择动作。 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