① 行路方向に向いているほど，よし
角度誤差が小さいほどペナルティを小さく。
r_t(1) = −｜角度誤差｜
例：
0° → 0
10° → -10
30° → -30
② 行路の中心に近いほど，よし
横ずれ量が小さいほどペナルティを小さく。
r_t(2) = −｜横ずれ量｜
③ 前進できたらプラス
F (前進) を選んで，実際に前に進んだ距離に応じて報酬。
r_t(3) = +k × 前進距離
（k は 1〜5 程度の係数）
④ 障害物に近づくとマイナス
距離が短いほど罰を与える。
r_t(4) = − 1/障害物距離
⑤ 衝突したら大きなマイナス
これは必須。
r_t(5) = −100
⑥ 行路から大きく外れたらマイナス
行路を失ったら，エピソード終了。
r_t(6) = −50
● 報酬の最終形
全体の報酬は次のように合計する：
R_t = r_t(1) + r_t(2) + ‥‥ + r_t(6)
|