[强化学习 / SAC] DAgger 初始化后 SAC 双足机器人长期学习出小碎步，如何设计奖励诱导大步态？

如题，强化学习出现前期不太不稳，收敛后学习出小碎步前进，如何设计引导奖励函数可以避免这些问题。