虽然我已经能够使用 Deep Q 学习解决 MountainCar-v0，但无论我尝试什么，我都无法使用策略梯度方法解决这个环境。据我在网上了解到，这是一个很难解决的环境，主要是因为代理只有在达到目标时才会获得奖励，这是一种罕见的事件。我尝试应用所谓的“奖励工程”，或多或少地用基于整个系统的“能量”（动能加势能）的奖励代替环境给予的奖励，但尽管如此，还是没有运气。我问你：

• 假设 MountainCar-v0 超出了当前最先进的 A3C 算法是正确的，因此它需要一些人工干预来向代理建议遵循的策略，例如采用奖励工程？
• 如果实际需要奖励工程，任何人都可以提供有关可以使用哪种奖励功能的任何提示吗？

谢谢你的帮助。