RL難しい アルゴリズム修正 マスク アルゴリズム修正 ちょっとバグが散見されたので，ちょこちょこ修正しながら挙動を見ていたが，なかなか厳しい． もちろん報酬関数の設計と行動リスト に大きな課題があるのは知っているけれど，それにしてもいい結果が出…