RLLIB 强化学习车杆无法收敛/永远需要

Question

我已经按照文档安装了 rllib（几乎只是运行了一个 pip install 命令）并尝试按照文档运行基本的 Cartpole 环境， 命令：rllib train --run DQN --env CartPole-v0 我尝试为 tensorflow 和 pytorch 执行此操作，但问题仍然存在。 策略永远不会收敛。