求助： 我正在使用深度强化学习路径规划中的DDPG算法，状态空间包括61维传感器信息、机器人与目标点之间的角度，以及机器人与目标点的距离。奖励函数设计如下：到达目标时奖励 +10，发生碰撞时惩罚 -5；根据距离逐步给出惩罚，并在距离较近时给予奖励。经过50000步训练后，奖励区域的负值已经收敛，如何提高成功率呢？