演示 / 强化学习 / 价值迭代

价值迭代

从终点把价值往回传。每扫一遍,走廊里的颜色会绕过墙扩散,不会穿过障碍走直线。点空格改终点。

迭代 0

对照精读:Q-learning / 贝尔曼最优