实验结果与解读

训练曲线与评估轨迹会保存在 results/。下方图片在你完成本地训练后自动可看。

训练曲线

analytical training curves — 分析环境 PPO：回报与 episode 长度应随迭代上升并趋于稳定。

genesis training curves — Genesis 环境 PPO（CPU 可适当减少迭代）。

如何判断「学会了」

平均 episode 长度接近上限（如 500）：说明很少因倒杆/出界提前结束。
平均回报稳定在高位：cos(θ)≈1 且持续存活。
评估图中 θ 在 ±12° 内小幅振荡，x 不冲出轨道。

评估轨迹示例

eval trajectory — 评估：小车位置、摆角、动作随时间变化。

提示：本页已托管在 Learning Hub；也可在 RL_Demo 仓库用 python scripts/serve_website.py 单独打开（服务根目录为项目根，图片路径为 /results/figures/...）。不要直接双击 HTML，否则可能无法加载训练曲线。