Помощь с доработкой программной части проекта ( RL, ML) (Бюджет: 15000 ₽)

Среда для обучения самописная и уже готова ( игра пинг понг 2д). Данные отдаются в формате ( s,a,r,s' ) Нужно собрать датасеты и обучить 3 разных агентов ( CQL, DQN ) +...