強化学習で人に二足歩行を覚えさせました。「proximal policy optimization (PPO)」というアルゴリズムを使っています。 Proximal Policy Optimization Algorithms https://arxiv.org/abs/1707.06347 Twitter：https://twitter.com/physics_engine0 BGM： 「Trick or treat」written by GT-K 「Halloween Monsters」written by ISAo.