強化学習で「ちゃんとした二足歩行」を発現させようといろいろいじってるのだがうまく…

jrf> 強化学習で「ちゃんとした二足歩行」を発現させようといろいろいじってるのだがうまくいかない。Colab なので計算資源の問題などから OpenPose からの学習は早々に諦め、報酬関数の工夫だけで行こうとしてるのだが…。