eval/baseline_results.json

{
  "num_episodes": 100,
  "avg_reward": 0.1302,
  "min_reward": -0.0708,
  "max_reward": 0.5917,
  "all_rewards": [
    0.2917,
    0.1458,
    0.1458,
    0.1458,
    0.2917,
    0.5917,
    0.1458,
    0.1833,
    0.1458,
    0.0417,
    0.1458,
    0.0417,
    0.1458,
    0.1458,
    0.1292,
    0.1458,
    0.0417,
    0.3375,
    0.0417,
    0.2167,
    0.1458,
    0.1458,
    0.1458,
    0.0417,
    0.1458,
    0.1458,
    0.3375,
    0.1458,
    0.2875,
    0.1375,
    0.1458,
    0.1458,
    0.0792,
    0.1458,
    0.2875,
    0.1458,
    0.1458,
    -0.0708,
    0.1458,
    0.0375,
    0.1458,
    0.1458,
    0.0375,
    0.0417,
    0.1458,
    0.1458,
    0.1458,
    0.0833,
    0.0417,
    0.1458,
    0.1458,
    0.2917,
    0.0417,
    0.1458,
    0.1458,
    0.1292,
    0.1458,
    0.1458,
    0.1458,
    0.1458,
    0.0417,
    0.0417,
    0.0417,
    0.1458,
    0.1458,
    0.0083,
    0.0417,
    0.0417,
    -0.0625,
    0.0417,
    0.1458,
    0.1458,
    0.1458,
    0.1458,
    0.1458,
    0.0417,
    0.0667,
    0.1458,
    -0.0625,
    0.0417,
    0.1458,
    0.1458,
    0.0417,
    0.1458,
    0.1458,
    0.0417,
    -0.0625,
    0.0333,
    0.1458,
    0.3375,
    0.1458,
    0.2208,
    0.2083,
    0.2417,
    0.1458,
    0.1458,
    0.1458,
    -0.0625,
    0.1458,
    0.1458
  ]
}