标签:"reward"相关文章

重看姚顺雨博士答辩，获得一些新的启发(姚顺武 建议)

在图9.2中，罗比位于格子（0,0），看到当前格子是空的，北面和西面是墙，南面的格子是空的，东面的格子中有一个罐子每次清扫工作罗比可以执行200个动作。 在随机探索的过程中，罗比可能重复撞墙，PM要做的事情是…