Q-GridWorld演示 一个简单的Unity项目，以表格形式展示了Q学习算法。 要获得浏览器内WebGL版本，请点击的链接。 总览 在最简单的情况下，我们有一个5x5的网格世界，其中有一个特工（蓝色方块），一个目标（绿色方块）和障碍物（红色方块）。 对于演示的每次运行，都会随机选择代理商，目标和障碍物的位置（但在同一演示运行中保持一致）。 在这种网格世界环境中，代理的目标是学习一种策略，以有效地从其起始位置导航到目标位置，同时避免障碍。 它通过学习针对处于每种状态的最佳行动来实现这一目标（通