摘要或動機

強化學習為當前AI領域的熱門話題，其特點是在環境的獎勵與懲罰下，進行學習。強化學習雖然較為困難，但其成功的項目都非常有名，其中最著名的例子有: AlphoGo、AlphaZero等等。 深度強化學習(DRL)是深度學習與強化學習的結合體，本專題透過DRL實現近端優化策略演算法，來使BipedalWalker環境中的二足模型學會行走，並調適超參數與神經網路來讓模型訓練擁有更好的結果。 經過實驗後發現，適當的降低獎勵折扣衰減率能有效的提升學習速度以及學習上限，同時可以避免分數落差過大導致的Dead relu問題。最終的結果能讓平均分數達到302分，成功達成了BipedalWalker環境要求(平均分數>=300分)。 為了使智能體擁有更好的探索能力，本專題加入了ICM(Intrinsic Curiosity Module)，成功提升了最終的平均分數至316分，將不摔倒的機率提升至99%，最高分數則到了320分，使得雙足模型能以更快的速度向前移動並保持穩定。