練出了一個以地面划船形式奔跑的紅蓮
暫時在研究過程得出了一個創見
連續性獎勵(獎勵每個Action)應該獎勵最佳化"行為"，而非"狀態"
原先獎勵紅蓮，只要移動速度投影至向量 (0,0,1) 長度越長則分數越高
會導致紅蓮在某個環節開始選擇自殺，可能是因為相較用腳觸地，飛撲的狀態，可以延長維持速度的時間
某次實驗之後改以獎勵移動速度投影至向量(0,1,1)長度越長則分數越高
可以理解成紅蓮的移動傾向要包含同時往上跳，才會取得高分
但奔跑本身就是兼具往上蹬的動作，因此取得比較穩定的訓練模型
下個實驗將嘗試是否能訓練出更能奔跑的模型
將進行以下改動
1.紅蓮的大腿活動範圍縮減
側開角度: 90->50
前後抬腿: 90->70
軸心旋轉: 30
2.Velocity Buffer改為10
另外記錄以下假說
在前期實驗，紅蓮有出現扭成一團現象，可能導致這個現象的原因
也許涉及難波跑，紅蓮有可能藉由旋轉身體，來讓腳部蹬地力量增加，但是這個趨勢導致紅蓮誤以為旋轉身體是件好事而走入了死路
其次是物理系統失真，也許紅蓮發現特定失利方式，有機會造成肢體擠壓反彈等，利用物理系統的缺口，進行某種非現實物理性的加速技巧，而這個趨勢導致紅蓮過度追求擠壓身體等等
這個假說在過度浮誇的物理數值上似乎有更常發生的傾向
其三是關節軸運算優先序
在某次改動為了讓紅蓮的大腿接近一般人類，又受制於Unity的關節系統限制(YZ角度僅能設定對稱角度)
因此將主要旋轉(跨步)軸，移至Y軸，而X軸成為側開軸
但有可能Unity關節系統在運算X有和YZ軸不對等的優先或其他特性，也許要嘗試重新讓X軸成為主要軸，再透過Hip Remap去限制非對稱的側開範圍
