diff --git a/chapter_reinforcement_learning/distributed_node_rl.md b/chapter_reinforcement_learning/distributed_node_rl.md
index 506859c..dfb5b90 100644
--- a/chapter_reinforcement_learning/distributed_node_rl.md
+++ b/chapter_reinforcement_learning/distributed_node_rl.md
@@ -20,7 +20,7 @@
以上是两个著名的分布式强化学习算法A3C和IMPALA,最近研究中还有许多其他成果,如SEED :cite:`espeholt2019seed`、Ape-X :cite:`horgan2018distributed`等都对分布式强化学习有更好的效果,我们不再做过多介绍。下面我们将讨论几个典型的分布式强化学习算法库。
-
+
:width:`800px`
@@ -28,7 +28,7 @@
Ray :cite:`moritz2018ray`是由伯克利大学几名研究人员发起的一个分布式计算框架,基于Ray之上构建了一个专门针对强化学习的系统RLlib :cite:`liang2017ray`。RLlib是一个面向工业级应用的开源强化学习框架,同时包含了强化学习的算法库,它对非强化学习专家使用也很方便。
-
+
:width:`800px`
diff --git a/img/ch12/ch12-rllib-arch.svg b/img/ch12/ch12-rllib-arch.svg
new file mode 100644
index 0000000..468dc35
--- /dev/null
+++ b/img/ch12/ch12-rllib-arch.svg
@@ -0,0 +1,222 @@
+
+
+
+
diff --git a/img/ch12/ch12-rllib-distributed.svg b/img/ch12/ch12-rllib-distributed.svg
new file mode 100644
index 0000000..7a2a71b
--- /dev/null
+++ b/img/ch12/ch12-rllib-distributed.svg
@@ -0,0 +1,242 @@
+
+
+
+