恭喜你完成了本单元的学习！这是非常多信息的一个单元。祝贺您成功地使用 PyTorch 从头开始编写了你的第一个深度强化学习智能体，并分享到了 Hub 🥳。

如果你想进一步改进实现以处理更复杂的环境（例如将网络换成卷积神经网络来把帧当成观测），请随时迭代此单元。

在下一个单元中，我们将学习更多关于 Unity MLAgents 的内容，通过训练在 Unity 环境中的智能体，你将准备好参加 AI vs AI 挑战，训练你的智能体在雪球战和足球比赛中与其他智能体竞争。

听起来很有趣吧？下次见！

最后我们很乐意去听听你对于该课程的想法来帮助我们提升他。如果你有任何反馈请 👉 填写表格。

期待在第五单元再见！🔥

保持热爱，奔赴山海 🤗

补充阅读

如果你想深入了解，请参考以下可选阅读材料。

策略优化介绍

• Part 3: 策略优化介绍 - Spinning Up 文档

策略梯度

• https://johnwlambert.github.io/policy-gradients/
• RL - 策略梯度解释
• 第十三章, 策略梯度理论; 强化学习, Richard Sutton 和 Andrew G. Barto 介绍

执行

• PyTorch Reinforce 实现
• 从 DDPG 到 PPO 的实现