问题描述
我正在尝试了解 Deepmind 实现的 Breakout atari 中的奖励功能。我对奖励有点困惑。它们使用四帧表示每个状态，并且根据每个动作的奖励将在四帧后收到。我的问题是，如果球被卡住了怎么办，它在那里获得了很多奖励，如何确定获得奖励的相同动作是导致更多奖励的原因？
我正在谈论的案例：
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）