Mooodric的博客

这样勾好，让四堵墙固定好。DONE~return xclass PPO:else:额外加的一些逻辑：（1）每一轮都会保存权重（因为是异端仿真，vrep基本上是定步长，跑一个episode都很慢）（2）检查参数合法性（3）检查是否为初始化。