スイス滞在記【165日目】
外食！！！！
計算打ち切り
100イタレーションごとにstep数やrewardを保存して書き出しているのだが，150,000あたりから収束してきたので一旦パフォーマンスを確認．
できはあまり良くなく，なぜだろうかと考えてしまう．
平均報酬ほどのパフォーマンスが出ないのはなぜ？
難しい．
久々の外飯
久々にがっつりとした外飯食べました．
油淋鶏です．
外食最高．
設計の肝
報酬関数の設計もそうだが，とにかくどこをどういうふうに制御するのかのフレームワークが重要なのだろう．
車輪制御に関しては，古典的な制御がうまく機能するからそれよりは行動パターン作成のほうがいいのだろうか．
時間もない中でゴールが見えないのは辛い．
やるしかない．
帰国まであと18日．
