gym-super-mario-bros 1-1を1歩ずつ5歩先のrewardを計算してクリアする
前回の続きです。 akiyah.hatenablog.com backupした状態までresetで戻れるようになったので、それを使ってマリオの1-1をクリアしてみました。 行動は「走る（["right", "B"]）」か「走りながらジャンプ（["right", "B", "A"]）」の2通りです。5歩先までマリオを進めて、その時のrewardを記録し、resetして戻ります。25=32…
