实现实时操作性条件反射（监督下的奖励/惩罚学习）最佳方法是什么？我应该使用神经网络（如果是，哪种类型）？还是其他方法？
我希望智能体能够像狗一样被训练来遵循命令。这些命令将以触摸屏上的手势形式出现。我希望智能体能够被训练来跟随路径（在连续的二维空间中），根据命令进行行为改变（通过有限状态机的状态转换来建模），并执行一系列动作。
智能体将处于一个模拟的物理环境中。
回答：
强化学习是解决您问题的一个很好的机器学习算法。
基本的强化学习模型包括：
- 一组环境状态
S（您有一个以某种方式离散化的二维空间，这是狗的当前位置，如果您想使用连续的二维空间，您可能需要一个神经网络作为价值函数映射器。） - 一组动作
A（您提到狗执行一系列动作，例如移动、旋转） - 状态之间转换的规则（狗的位置转换可以通过有限状态机建模）
- 确定转换的标量即时奖励
r的规则（当到达目标位置时，您可能希望给狗一个大奖励，而在中间里程碑上也欢迎小奖励） - 描述智能体观察到的规则（狗可能有有限的视野，例如，只能看到4个或8个邻近的单元格，下图是一个例子，显示了狗的当前位置
P和狗可以看到的4个邻近单元格。）
要找到最优策略，您可以从无模型技术 – Q-learning 开始。
