#chọn quan sát cho chính sách

Thiết kế môi trường mô phỏng và hàm thưởng

Phần lớn thất bại khi huấn luyện không đến từ thuật toán mà đến từ môi trường mô tả sai bài toán, hoặc hàm thưởng thưởng nhầm thứ.