このチュートリアルでは、強化学習のためのオーダーメイドのポリシー ネットワークにおける配列の再形成に関する一般的な問題について説明します。アクション スペースのディメンションがトレーニング中に適切に管理されない場合、不一致が発生します。これは特定の障害です。このような問題は、 エラー処理手法を採用し観測空間 を正確に指定することで解決できます。エージェントが可能な限り最良の環境で動作することを保証するために、 この方法ではアクション スペースを設計し、ニューラル ネットワーク層に高度な PyTorch ツールを利用する必要があります。