本文提出了对抗性强化学习方法，通过二人零和博弈自动确定环境参数范围，训练的优化代理更具鲁棒性。在网格世界和三个 MuJoCo 控制环境中验证。

根据传入的日志级别和环境参数，初始化日志的函数。根据环境参数的不同，设置不同的日志输出方式。