✍️ Insight 四足控制器 · 二：奖励函数踩过的坑 系列第二篇。三个让策略学会作弊的奖励项，以及怎么改。 2026-09-12 ✍️ 49 字 ⏱️ 约 1 分钟 🛠️ 修改于 2026-09-19 目录 坑一：只奖励高度 坑二：惩罚关节速度 坑三：终止条件太宽 坑一：只奖励高度 策略学会了把腿伸直硬扛。 坑二：惩罚关节速度 策略干脆不动了。 坑三：终止条件太宽 翻倒了还在拿奖励。