【发布时间】：2023-05-04 00:31:01
【问题描述】：
有没有人实施过深度 Q 学习来解决网格世界问题，其中状态是玩家的 [x, y] 坐标，目标是达到某个坐标 [A, B]。每一步的奖励设置可以是-1，达到[A，B]的奖励设置可以是+10。 [A, B] 始终是固定的。
令人惊讶的是，我在 google 上没有找到这样的实现。我自己使用taxi-v3尝试了DQN，但没有成功。所以，寻找这样的参考实现来解决我的问题。
【问题讨论】：
标签： reinforcement-learning dql q-learning dqn