您可以使用此处提供的代码，尤其是现在Mujoco模拟器是免费的，您可以自己尝试一下！据我所见，代理学习了论文中描述的其中一些行为，但很多时候他们的行为很混乱。我不认为代理商表现良好或解决问题。该研究主要关注一些有趣行为的出现，而不是基于某些分数的表现。

代理在随机版本的捉迷藏环境中接受训练，因此它们能够在同一环境中进行泛化。他们不使用像素作为输入，而是使用坐标、位置、速度等。这意味着，如果您使用mujoco-world 生成器设计自己的环境，并且除了环境配置之外几乎所有内容都相同，您可能会测试模型的效果如何概括。