Давно хотел в рамках аи джима/других проектов поговорить про RL.
Поэтому завайбкодил вот такую среду данжн кроул😁, чтобы на прикольном примере показывать как учатся разные RL алгоритмы.
Может даже захощу соревку в этой системе🎸

На примере играет небольшая сетка обученная через PPO