强化学习：具有多个参数的连续动作

Question

我正在为战斗环境做一些RL工作。我面临着多个参数连续动作空间的问题。

动作空间可以这样描述：

动作1：MoveTo(x, y)；这意味着代理将移动到目标坐标（x，y）。 x和y是连续的。

动作2：Shoot(x, y, z)；这意味着特工将朝（x，y，z）方向射击。 x / y / z也是连续的。

这个动作空间是离散的还是连续的？每个动作都有多个参数，是否有一些算法可以解决这个问题？或一些类似的环境解决方案。

任何建议将不胜感激。