Unity PPO 毕设复盘：先让实验可解释

高分不是唯一目标

强化学习项目最容易被一个漂亮曲线误导。真正需要记录的是 observation、reward、课程难度、随机扰动和失败回放。

当策略表现突然退化时，只有这些实验上下文能帮忙判断是环境变化、奖励漏洞还是训练不稳定。

从项目复盘到案例表达

这个项目适合作为求职项目案例，因为它能解释如何拆问题、如何做实验对照、如何承认失败并缩小问题范围。