强化学习在游戏 AI 中的探索：从 Q-Learning 到 PPO 算法实践

强化学习（RL）通过智能体与环境的交互试错来寻找最优策略，是通用人工智能的重要拼图。

• Q-Learning / DQN：在离散动作空间（如 Atari 小游戏）表现亮眼；
• PPO (Proximal Policy Optimization)：现代连续控制任务（机械臂、机器人步态、大模型 RLHF 对齐）的主力算法。

通过设定合理的奖励函数（Reward Shaping），看 AI 从乱跑乱撞到学会惊艳的高难度走位，过程非常有趣！