3、第三种奖励值设置方法还是基于state[1]的，只不过把思路稍微转换一下，即reward=abs(state[1])-2，因为时间拖的越久，total_reward肯定越低，这样的话他在第一次抵达终点之后，会愿意更多的去终点，解决了第二种方法的缺陷。2、第二种奖励值设置方法是基于state[1]的，也就是reward=abs(state[1])，表示速度越大，给予越大的奖励值，前期效果还行，但

这是一个端到端的eeg模型，在谷歌学术中获得了四百多的引用，实际上可以使用在eeg的任何任务中，包括但不限于运动想象，情感分类等，他的代码逻辑还算是比较清晰和简洁的，复现难度较低。