🎮 迷宫探险
体验马尔可夫决策过程 (MDP)
分数
0
步数
0
成功率
0%
1
2
3
🤖
你
🏆
终点
💀
陷阱
🧱
墙
用方向键或点击按钮移动,找到🏆!
🎲 这就是"不确定性"!
↑ 你选的
80%
↔ 滑倒
20%
你选↑,但有20%概率滑到其他方向!
↑
←
↓
→
🔄 重新开始
🤖 AI挑战
🤖 AI正在学习...
训练次数
0
平均得分
0
👀 看AI走
⏹️ 停止
💡 MDP的核心
状态
:你在哪? |
动作
:往哪走?
转移概率
:走了之后到哪? |
奖励
:得到什么?
马尔可夫性:只看"现在",不用管"过去"!