用强化学习训练两轮平衡机器人

Shawn Hymel 在 Make: Volume 99 发布教程，用 PPO 强化学习替代经典控制环训练两轮平衡机器人。训练在 Google Colab 中用 MuJoCo 仿真完成，8 个并行环境各跑 500,000 步，actor 与 critic 为两个隐藏层各 32 节点的独立网络，并按平衡、域随机化、随机扰动三阶段课程学习推进。