TRPO-RL：我需要一个8自由度机械手来移动指定点。我需要使用OpenAI Gym来实现TRPO RL代码。我已经有了凉亭环境。但是我不确定如何编写奖励函数的代码和关节空间运动的算法。请帮忙。
凉亭应该能够告诉您末端执行器链接的位置，通过该链接我们可以计算出每一步之后朝着指定点的进展（即，朝目标移动时为正，远离目标时为负，并且否则为0）。仅此一项就应鼓励最终执行者实现目标。
您可能需要先考虑基本的奖励才能确认系统是否能够学习，然后再考虑其他标准，例如平滑度（避免抽动），偏斜度（将肘部左右放置）等。这些显然很难指定，并且必须根据您的需要进行手工设计，可能基于环境中可用的联合状态和/或某些其他派生工具。
这在很大程度上取决于您的堆栈。我将这部分添加为通过评论，例如，如果您使用ROS作为中间件，则可以轻松集成Move-It为您处理所有运动。