无需复杂采样的魔方求解

本研究解决了强化学习在解决魔方时面临的挑战，特别是如何在稀疏奖励结构中有效地达到奖励状态。我们提出了一种新颖的策略梯度算法，利用神经网络直接从完全混乱的状态中学习，从而实现了99.4%以上的成功求解率，表明该方法在稀疏奖励问题中的广泛应用潜力。