Abhilekh Meda

开发者Abhilekh Meda使用PPO算法成功重建了Gerver的沙发形状。

Meda将移动沙发问题建模为强化学习环境，智能体控制沙发的平移和旋转，目标是最大化能通过走廊的面积。

Meda自称没有深厚的数学背景。

Meda开源了代码，代码和更多细节可在GitHub上查看。