pick 它 train 不起来 应该怎样呢 TT

题外话：列个想做的事的清单：

• 穿搭
• 某历史新书 + 邓小平传
• 紫微斗数
• 入门投资，如房产、股票、基金

嗷，还有每天跟读新闻联播，可能还会跟读 fake news

当务之急：再设计一下 curriculum，然后开 train。
如果可能的话，设置 GPU 使用。
一个从头开始 train，一个接着最新 不成 的 train。

暂时不打算开 train 了，可能会再观察 1h。1h后见。

开始动一些歪想法… 如果能直接 reward shaping，会好嘛？试一下。

下一步应该是：写 pretrain。

（嚎啕大哭）PPO，求你！

下一步测试，ground truth 能不能 pick place，希望知道 是我代码的错，还是模型不好

1. 为什么有时候仍然不 pick？虽然 place 每次都有动作。
2. 为什么 train 的时候，不 pick 也不 place？输出的是什么，发生了什么？？
3. pick and place 希望有非常鲁棒的模型。