利用深度强化学习训练机械臂环境

训练环境

使用Movan写的机械臂环境：https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow/blob/master/experiments/Robot_arm/arm_env.py

这个环境真的挺有意思的，主要可以和用户交互，真真切切感受到训练后智能体的聪明程度。

提醒：python不要用3.8的，可能会和他的环境不兼容，我用的3.6的。

这个环境主要采用pyglet包写的，详见Movan的教程：Movan教你如何从0写强化学习环境（机械臂）

采用算法

既然是连续动作那就无脑PPO算法吧，当然，PPO最大的劣势就是训练慢，每一个episode都要重新收集buffer，既然这样，那就采用多进程吧，关于多进程的实现方法见我的博客