El palo que aprende a no caerse

El problema más clásico del aprendizaje por refuerzo: un palo en equilibrio sobre un carro. Una red diminuta aprende a base de intentarlo, con la física y el gradiente escritos a mano. Al principio cae al instante; unos cientos de episodios después, aguanta. A veces se estanca — el copy te cuenta por qué eso también es la lección.