修改了算法代码,并建立了一个简单的训练脚本.修改bert处理二维输入,移除PPO的permute参数

test_training.sh

@@ -0,0 +1,36 @@
+#!/bin/bash
+# 测试完整的MAGAIL训练流程
+
+echo "======================================================================"
+echo "🧪 测试MAGAIL完整训练流程"
+echo "======================================================================"
+
+# 测试参数（较小规模）
+EPISODES=10
+HORIZON=200
+ROLLOUT=512
+
+echo ""
+echo "📋 测试配置:"
+echo "   Episodes: $EPISODES"
+echo "   Horizon: $HORIZON"
+echo "   Rollout Length: $ROLLOUT"
+echo ""
+
+# 运行训练（不渲染，加快速度）
+python train_magail.py \
+    --episodes $EPISODES \
+    --horizon $HORIZON \
+    --rollout-length $ROLLOUT \
+    --batch-size 64 \
+    --lr-actor 3e-4 \
+    --lr-critic 3e-4 \
+    --lr-disc 3e-4 \
+    --epoch-disc 3 \
+    --epoch-ppo 5
+
+echo ""
+echo "======================================================================"
+echo "✅ 测试完成"
+echo "======================================================================"
+