我正在尝试针对以下问题实施深度强化学习算法： 我有一个简单的足球模拟器：点球大战游戏（2D）。 强化学习者是踢腿者，他必须学习如何得分。踢手可以使球绕120度（-60°; + 60°）旋转。 在第一个版本中，射门的力量是恒定的，守门员不会移动。守门员的位置在-50到+50之间。 然后，代理的作用是在-60°和+ 60°之间选择一个位置。 作为环境信息，座席将获得守门员的位置。 射击后，特工会得到奖励。
我正在使用Keras。 我不使用CNN，目的是仅使用数值数据（射击角度，守门员位置，奖励）
我创建了一个模型：
model = Sequential()
model.add(Dense(1, input_dim=1, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='linear'))
model.compile(loss='mse', optimizer='adam')
第一层的尺寸为1，因为环境只有一个输入：守门员位置。 我任意选择第二个大小为10的图层。 输出层的尺寸为1，因为只有一个输出，代理的一种可能动作是射击角度。
对于输入和输出层，是否正确？ RL算法是否可以返回例如-60至+60（或0至120）之间的值？还是我可以使用大小为100的输入层（每个可能的位置一个节点）和大小为120的输出层（每个可能的角度一个节点）？
每次拍摄后，我都更新了模型：
model.fit([0], reward, epochs=1, verbose=0)
predict = model.predict([0, 1])
在fit命令中，“ [0]”是守门员的位置，“奖励”是最后获得的奖励。 在预测命令中，我不能只为门将的位置写“ [0]”（我有执行错误），我必须写“ [0，1]”。 1代表什么都没有...
请帮助我实施这种深度强化学习算法？