环境比一般的路径规划大很大，格网环境大概350*350
训练早期还有点寻路的样子，后期就突然变成蜷缩在起点的状态了，奖励塑性（方向和离终点距离）也做了，除了避障没有什么惩罚项，不明白为什么他突然就不动了，loss也一直上升，不太清楚该怎么改了 ，求帮助
provokingg 其实真不如A*有效果，哈哈哈
