（来源：上观新闻）
**六、不🚽🧤只是纸上谈兵：在🇧🇿经典游✨📀戏控制任务上的验🍴证** 为了🇦🇱排除"🚰成功可能只是因为🇳🇺🐰在某个特定训练😀框架下🇳🇮🇦🇿的系统🛤🚟优化"这一疑虑🇸🇭，研究团🇮🇳👨👨👧👦队把S🇸🇹PPO移植到🤭🚃了五个经🧳典的强化学习🇦🇿控制任务上🧛♀️：精密🔮🍇版CartPo🔑⬆le（控制杆子不😌🇸🇮倒）、☄Mount🇦🇲🐙ainCa🥍🇬🇶r（让小车爬上山➗）、Ho📊🍜pper（双足👩🦱机器人⭐💢前进）、Lu📛nar🕉Land🥂er（🤠月球着陆器着陆）👩💼🌠和Pe↔百度推广运营公司ndulum🍤🇲🇽（保持摆杆1️⃣🇬🇧直立）🕛🦂。
第一步，KV压👒🇹🇱缩😪📷。但在SP🙏PO的框😬💷架中，价🗜🇧🇻值模型🍘的任务极度简🔰化——🕊它只需要看一道🇧🇴😄题，输出一📟个数字，告诉🌟🍯你这道题的预估🌖🤝难度🏠。第二，引入🇮🇶👪全球前沿技术，🖖把国内外🌰顶尖的“🧞♂️🗣大脑”（前沿算法🦹♂️👿团队）引进来，与😨汇博机👨🦳💯器人的“骨🎮骼”（本体🚎百度推广运营公司硬件）做深🤓🦸♀️度融合测试🇹🇦👤。
