CMU 10-703：Deep Reinforcement Learning（2026 秋）

请帮我把「CMU 10-703：Deep Reinforcement Learning（2026 秋）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://cmudeeprl.github.io/703website_f26/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：在本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按课程表完成 HW1–HW6、Recitation 中的 PyTorch/Gymnasium notebook 与项目。只运行小型环境检查，不将长时间训练或 GPU 费用作为开课默认动作。 首课 Bellman 数值练习只需 CPU 与 NumPy。深度强化学习作业需按对应 starter 配置 PyTorch/仿真依赖，是否需要 GPU 以该作业为准；不为开课运行长期训练。Google Slides 若无权限回退官方课表，不绕过授权。
课节（官方顺序）：
1. Lecture #1 (Max, Katerina): Welcome and Introduction to the Class：https://www.dropbox.com/scl/fi/omry6nvifuckczfb1b7a9/lecture1_introF26.key?rlkey=76wi8laa7enclrm73rexcq36q&dl=0
2. Lecture #2 (Max): Introduction to Reinforcement Learning：https://drive.google.com/file/d/14HrzO_wRvsSRcDM3A-CQ0d-zL4AcpJET/view?usp=sharing
3. Recitation #1: Neural Nets, PyTorch, Gymnasium（材料链接暂不可用）：https://cmudeeprl.github.io/703website_f26/lectures/
4. Lecture #3 (Max): Policy Gradient Methods：https://drive.google.com/file/d/1dxhYxqbWSKyCxqO6lVIGgDF8pfEOtnWn/view?usp=sharing
5. Lecture #4 (Max): Actor-Critic Methods (cont.) Evolutionary Methods for Policy Search：https://drive.google.com/file/d/1o163Z20D_BalXRNk5BB1NeKV12BTskSt/view?usp=sharing
6. Recitation #2: MDPs, Policy Gradients, & HW1：https://docs.google.com/presentation/d/1FYefJ1gP6FVUBW341nd2qd9rFPq-rP7l/edit?usp=sharing&ouid=117820938106761027125&rtpof=true&sd=true
7. Lecture #5 (Max): Value-based Methods：https://drive.google.com/file/d/1c6lwiYVEn0xoUTqWmG8AAQkx57p5p1cT/view?usp=sharing
8. Recitation #3: Value-Based Methods and Actor-Critic Methods & HW2：https://docs.google.com/presentation/d/1B2t7N6qQtov8cpPiQUt5OLQUm-z5hnvHIGaDLYR0G_c/edit?usp=sharing
9. Lecture #6 (Max): Value based methods (Cont.)：https://drive.google.com/file/d/1zufI3x_o6V-jz6n4BZQQ-iJqbCTPpYhI/view?usp=sharing
10. Lecture #7 (Max): Advanced Policy Gradient Methods：https://drive.google.com/file/d/1nD_3-QtwgC9hgPowajMwhZFz-utPnc5O/view?usp=sharing
11. Recitation #4: Policy-Based Methods & HW3：https://docs.google.com/presentation/d/1HxhhdvFTL4v3ZVAfjMMejCvH1lHRdVPGv_CIxCKO_s4/edit?usp=sharing
12. Lecture #8 (Max): Advanced Policy Gradient Methods (Cont.)：https://drive.google.com/file/d/19hoX50Y_6_sSnD2fEQELUIuTYauhijpi/view?usp=sharing
13. Lecture #9 (Max): Off-Policy Actor-Critic and Max-Ent RL：https://drive.google.com/file/d/1mZyuCvcKIBa58lOTFtjUhcHUMvaxgezM/view?usp=sharing
14. Recitation #5: Strengths and Weaknesses of Different Algorithms：https://docs.google.com/presentation/d/16WSyQ7NQZ4Dd0NUu8cmgujsHOUWvCFYX/edit?usp=sharing&ouid=117820938106761027125&rtpof=true&sd=true
15. Lecture #10 (Max): Imitation Learning：https://drive.google.com/file/d/1ZQ7cj2iSPDXntgHk7gECjrAwOuctmMtM/view?usp=sharing
16. Lecture #11 (Max): Imitation Learning and Diffusion：https://cmudeeprl.github.io/703website_f26/lectures/
17. Recitation #6: Midterm Review & HW4：https://drive.google.com/file/d/1CoCRKw24CxZEKZ9gzYkB5pSSFV6gN6ZH/view?usp=sharing
18. Lecture #12 (Max): Offline and Offline-to-Online RL：https://drive.google.com/file/d/1FZf1yHYXrdEJWItpv-A2560mTU1S9VEF/view?usp=sharing
19. Lecture #13 (Max): Reinforcement Learning & Generative Modeling：https://cmudeeprl.github.io/703website_f26/lectures/
20. Lecture #14 (Katerina): Model-based Methods：https://cmudeeprl.github.io/703website_f26/lectures/
21. Recitation #8: Midterm Solution Session & HW5：https://cmudeeprl.github.io/703website_f26/lectures/
22. Lecture #15 (Katerina): Model-based Methods(Cont.)：https://cmudeeprl.github.io/703website_f26/lectures/
23. Lecture #16 (Katerina): Model-based Methods(Cont.), Learning and Tree-Search Planning：https://cmudeeprl.github.io/703website_f26/lectures/
24. Recitation #9: TD-MPC & PETS：https://cmudeeprl.github.io/703website_f26/lectures/
25. Lecture #17 (Katerina): Model-based Methods for offline RL：https://cmudeeprl.github.io/703website_f26/lectures/
26. Lecture #18 (Katerina): Guided Diffusion：https://cmudeeprl.github.io/703website_f26/lectures/
27. Recitation #10: Exploration：https://cmudeeprl.github.io/703website_f26/lectures/
28. Lecture #19 (Katerina): Exploration：https://cmudeeprl.github.io/703website_f26/lectures/
29. Lecture #20 (Katerina): Sim2Real Learning：https://cmudeeprl.github.io/703website_f26/lectures/
30. Recitation #11: Sim2Real and HW6：https://cmudeeprl.github.io/703website_f26/lectures/
31. Lecture #21 (Katerina): Sim2Real Learning (Cont.) R：https://cmudeeprl.github.io/703website_f26/lectures/
32. Lecture #22 (Katerina): RL with Foundation Models：https://cmudeeprl.github.io/703website_f26/lectures/
33. Recitation #12: RL with Foundation Models：https://cmudeeprl.github.io/703website_f26/lectures/
34. Lecture #23 (Katerina): RL with Foundation Models (Cont.)：https://cmudeeprl.github.io/703website_f26/lectures/
35. Lecture #24 (Katerina): Goal-Driven Reasoning for Multimodal AI Agents：https://cmudeeprl.github.io/703website_f26/lectures/
36. Lecture #25 : Projects：https://cmudeeprl.github.io/703website_f26/lectures/
37. Lecture #26 : Projects：https://cmudeeprl.github.io/703website_f26/lectures/

1. 环境
- Python 3 独立虚拟环境；按官方作业依赖安装，Notebook 使用 Jupyter。
- 在课程专用目录中准备环境，不修改全局依赖或其他项目环境。
- 记录软件版本；先跑导入、编译器版本或官方离线示例，付费模型调用和提交作业不属于环境自检。
- 首课 Bellman 数值练习只需 CPU 与 NumPy。深度强化学习作业需按对应 starter 配置 PyTorch/仿真依赖，是否需要 GPU 以该作业为准；不为开课运行长期训练。Google Slides 若无权限回退官方课表，不绕过授权。
- 本站首课最小环境（不是官方全部作业锁定依赖）：在课程目录执行 python3.12 -m venv .venv；再执行 ./.venv/bin/python -m pip install numpy。安装失败保留错误，不把包能导入等同于干净机器重装成功。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程表与材料：只记录链接 https://cmudeeprl.github.io/703website_f26/lectures/（仅保存链接；未确认统一下载许可，不批量复制课件或视频。）
3. 目录（最外层放在我确认的位置）
cmu-10703-fall2026/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    ├── 19-lesson-19/
    ├── 20-lesson-20/
    ├── 21-lesson-21/
    ├── 22-lesson-22/
    ├── 23-lesson-23/
    ├── 24-lesson-24/
    ├── 25-lesson-25/
    ├── 26-lesson-26/
    ├── 27-lesson-27/
    ├── 28-lesson-28/
    ├── 29-lesson-29/
    ├── 30-lesson-30/
    ├── 31-lesson-31/
    ├── 32-lesson-32/
    ├── 33-lesson-33/
    ├── 34-lesson-34/
    ├── 35-lesson-35/
    ├── 36-lesson-36/
    └── 37-lesson-37/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - 在课程 .venv 对应的 Python 代码单元中执行（不是 shell 命令）：import numpy as np; print(float(np.max([1+0.9*2,0+0.9*1])))  → 2.8；一次 Bellman 更新，不调用环境仿真或长期训练
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。