1. 問題描述

1.1 在使用官方代碼進行訓練的時候“success_once突然掉落到0”

• 簡要說明你在使用官方 examples/baselines/ppo/baselines.sh 腳本訓練 PickCube-v1 時，在 early stage（如前 50 k 步）指標正常、success_once 接近 1，但在后期（約 100 k 步以后）發現 success_once 連續多次為 0 的現象。
• 可以附上一張示例圖（如你之前貼的 eval/success_once 曲線）：標明“100 k 步前后”這一時段，指標為什么會突然“塌陷”。