Q-learning 迷宫
迷宫必须绕行，不会学成一条直线。格子颜色是状态价值，四个小三角是 Q(s,a)。橙点是正在走的智能体。点格子改墙，Shift+点改终点。
墙
起点
终点
智能体
三角越亮，该方向 Q 越大
迷宫必须绕行，不会学成一条直线。格子颜色是状态价值，四个小三角是 Q(s,a)。橙点是正在走的智能体。点格子改墙，Shift+点改终点。