用课程式训练逐步扩大初始条件与环境难度，学习可复用火箭垂直着陆策略。
推荐理由：方案试图替代只在简化初态中训练的平坦强化学习流程，以分阶段课程覆盖更远距离和更强不确定性；实际价值仍取决于仿真到现实验证。
阅读原文