在允許全身觸地的情況
紅蓮揣摩出了能應對地形的移動方式
...像海豹那樣扭轉下半身!! 捲動移動!!
遇到地形會彈跳上去，或是用捲的捲過去
但是兩個實驗似乎表明，用觸覺來學習應對地形不是一個好方向
以ML的基礎是"猜測"來說，要靠不穩定的觸覺，在ML過程探索某個地方是地形，應該就是效率太差而且誤導太嚴重了
例如她要知道某個地方存在一個方塊，她必須用全身的肢體撞過那個方塊的每一個地方
才能掌握那個方塊的形狀，而且這是在她知道她的觀察項代表甚麼意義的前提下
然而實際上紅蓮並不知道自己每個觀察項的意義，要求對這種不連續性的東西做探索可能還是太粗暴了
後續應該還是要改以視覺或是其他感知能力為基礎
例如讓她擁有某個數值代表和地形的距離，她應該有機會掌握數值和碰撞的關聯，再利用這種關聯適應地形，這樣地形才不會對ML模型來說是個突變事件
但這個實驗發現
紅蓮非常靈活，像一隻洋溢青春的海豹
雖然嚴格來說我不知道洋溢青春的海豹到底是怎樣，但先前禁止觸地的情況
紅蓮都表現得很靦腆，例如走路走得很生硬
考量到久遠之前朋友的建議
就是之前非末端肢體觸地會進行扣分
可能因此導致紅蓮畏縮
在進行視覺或其他感知體系的更動之前
下個實驗將實驗不進行處罰移動傾向是否會改變
同時也更動以下項目
1.LookAngle 和 UpAngle允許30度的誤差，以免過度限制頭部
2.啟用Hip Remap
另外記錄一個Hip Remap的改動靈感
Hip Remap原始目的是為了讓紅蓮優先探索以某種動作為出發點的動作
而改變肢體控制參數的分布
但首先似乎有導致動作變得僵硬，因為Hip Remap可能讓一半的控制參數都失去意義
又考慮例如膝蓋，大多動作不是伸直就是大幅彎曲，鮮少會有中幅彎曲
也許可以更改Hip Remap讓其更容易在兩個主要傾向中隨機，而不是僅提高一個傾向的機率
