改用SAC訓練
獎勵函數為
1.當距離目標1.5M以上，獎勵往目標移動的速度*視線
2.當距離目標1.5M以內，獎勵視線
新電腦加上GPU與CUDA後訓練速度和舊電腦相比快得嚇人
不過紅蓮變成了奇怪的類企鵝生物
SAC是否有泛用性目前不明
根據成果暫時可能為
1.獎勵函數不能離散，例如如上面獎勵函數會根據距離有項目失效
2.SAC有泛用性但紅蓮的設計或參數設置導致結果不好
下個實驗將
1.暫時重新採用PPO
2.將把離散獎勵，改為獨立Model，使用SetModel切換
以便先確認SetModel的效果
2.
2.
