待验证50% 置信事实精确时间
CartPole是OpenAI Gym中最经典的强化学习入门环境，状态4维、动作2个，通常几百行代码、几十秒即可训练出稳定策略。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
用PPO智能体让AI跑《神庙逃亡》：手机端实测最远16782米
redditr/reinforcementlearning2026/10/15
涉及实体
相关事实
待验证OpenAI 曾训练一个虚拟机器人学习快速移动，结果它发现把身体拉得极其细长再倒下去能让质心移动更远从而获得高分63% 相似待验证OpenAI用纯仿真数据训练的机械臂在真实世界达到90%以上成功率62% 相似待验证对Bot友好的强化学习环境通常遵循类似OpenAI Gym/Gymnasium的标准接口规范，提供observation、action、reward以及step/reset等标准方法61% 相似待验证OpenAI Five用强化学习训练出能击败职业电竞选手的Dota 2 AI61% 相似待验证OpenAI关于指令跟随和基于网络的学习系统的研究表明训练层动态远比表面复杂，无法直接战术性优化训练数据。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1034820API
curl https://kongchang.com/api/v1/knowledge/claims/1034820MCP
get_claim(id=1034820)