我暂时没空实现，写下思路，谁实现出来了跟我说一下。

用强化学习来做要比现有的几个开源项目更简洁，不需要人工标定物体，不需要计算控制模型（按压时间和距离的关系）。

直接输入图像，输出按压时间就可以了。

Observation Space: Box(width, height, 3)Action Space：(0, ∞) （我猜可能服从泊松分布）Reward: 每成功跳一次reward为1就可以了，挂了reward为0。

根据评论区指出的，跳到格子中央会获得更多得分，那么直接用得分作为reward应该更好。

网络结构和玩其它Atari游戏类似，先来几层CNN，后面用dense connection应该就可以了（万一不行咱们再讨论）。

算法用DDPG应该就够了（万一不行咱们再讨论）。

就酱。

。

。