当用强化学习训练AI玩保龄球，他的重复洗钩行为让我觉得他在故意蹭电量玩保龄球。

首先AI需要控制身高6英寸，体重60公斤的身体，而且身体的不同部位重量不同，会影响发力。正所谓腰马合一，我们把腰胯的地方设置为影响最高AI需要学习了解12个不同部位在不同动作中如何组合发力，达到完美的效果。

结果毫不意外，第一次接触身体的时候，AI跟寄生体还不是很熟悉，开始原地抽搐，学习发力去了，但我们还是要强迫他学习。首先我们引入奖惩制度，AI扔出的球速度快就加分，速度慢就减分，这个奖励标准随平均球速提高而提高。像极了被榨干的打工人。AI的表现也很应景。每次扔完球都像被榨干了，直接躺地上了。

我们还发现，由于只是让AI练习扔球，他不往眼前的赛道扔了，因为他发现右手拿球的时候用全身力往外面甩可以获得最高球速。孩子路走歪了，自然要拉回来，扔出球道以外的统统减分。

修改完规则后，继续让AI进行投球定点训练，再给保龄球加上旋转的熟悉，让训练环境更贴近真实。

在大量练习之后，AI的姿势算是有模有样，除了扔球时奋不顾身的样子，估计是他在训练扔球时，在所有的糟糕姿势中，这个前扑的姿势让他认为更好得分。

这就是深度学习的弊端之一，需要人为的把控方向，否则AI练歪了还得重新训练。而且由于训练时间过短，AI只记住扔正中间，全部打倒是最优解，导致他不会调整方向去击打剩下的球瓶。

不过有一说一，让AI进行十次测试之后，平均的首次击球得分是很高的，只要他能抓住倒下前的扔球时机，不然还是洗钩收场。抖音。
### 掌握AI保龄球训练精髓，开启高效进阶之路
在进行AI保龄球训练时，强化学习是关键手段。首先要明确AI控制的虚拟角色身体参数，如身高6英寸、体重60公斤，不同部位重量影响发力，需学习12个部位在不同动作中的发力组合。
引入奖惩制度很重要，球速快加分、慢减分，标准随平均球速提高。初期AI会原地抽搐学习发力，扔球后像被榨干躺地。发现其为获高球速往赛道外扔球，及时修改规则，对出界减分。
接着进行投球定点训练，给球加旋转让环境更真实。大量练习后AI姿势有模有样，但会因深度学习弊端出现问题，如只知打正中间、不会调整方向，训练时间短导致只记最优解。不过多次测试首次击球平均得分较高，抓住扔球时机很关键，否则易洗钩收场。
强化学习,AI,保龄球,训练,奖惩制度,投球,深度学习