rellvera:
您好，想请教一下，这个soccer.cs里面的奖励函数设计，和mlagents文档中的奖励函数设计并不一样。mlagents文档中的奖励函数设计是这样的：“奖励为 (1 - accumulated time penalty)：当球进入对方球门时， accumulated time penalty 每个固定更新时增加 (1 / MaxStep )，并在每集开始时重置为 0。奖励为 -1：当球进入队伍的球门。” 请问这是怎么回事呢？
rellvera:
您好，想请教一下，这个soccer.cs里面的奖励函数设计，和mlagents文档中的奖励函数设计并不一样。mlagents文档中的奖励函数设计是这样的：“奖励为 (1 - accumulated time penalty)：当球进入对方球门时， accumulated time penalty 每个固定更新时增加 (1 / MaxStep )，并在每集开始时重置为 0。奖励为 -1：当球进入队伍的球门。” 请问这是怎么回事呢？