DI-engine强化学习入门（一）使用强化学习模型控制月球着陆器

控制程序观前提醒：本章内容为训练一个强化学习模型，并使用强化学习模型控制月球着陆器。安装和运行DI-engine示例。

什么是DI-engine?
DI-engine 是一个由 OpenDILab 提供的开源强化学习（Reinforcement Learning，简称RL）库，它旨在提供一个易于使用、灵活且高效的RL算法研究和应用平台。DI-engine 不仅支持多种RL算法，还提供了易于扩展的接口，可以帮助研究人员和开发者快速开发和测试自己的RL算法。
它将为我们的强化学习算法研究和开发工作提供最专业最便捷的帮助，主要包括：

• 完整的算法支持，例如 DQN，PPO，SAC 以及许多研究子领域的相关算法——多智能体强化学习中的 QMIX，逆强化学习中的 GAIL，探索问题中的 RND 等等。
• 友好的用户接口，我们抽象了强化学习任务中的大部分常见对象，例如环境，策略，并将复杂的强化学习流程封装成丰富的中间件，让您随心所欲的构建自己的学习流程。
• 弹性的拓展能力，利用框架内集成的消息组件和事件编程接口，您可以灵活的将基础研究工作拓展到工业级大规模训练集群中，例如星际争霸智能体 DI-star。

DI-engine 的特点

• 丰富的算法支持：DI-engine 实现了众多经典和现代的强化学习算法。
• 模块化设计：组件化的设计使得算法、环境、网络结构等模块可以自由组合。
• 易于扩展：提供了简单的接口来添加新的算法、环境或其他组件。
• 分布式训练