故事的开始：机器人 Robo 的寻宝之旅
为了让你最直观地理解强化学习（Reinforcement Learning, RL），我们将在整个基础概念章节中使用一个统一的例子： 机器人 Robo 在网格世界中的寻宝冒险。
0
1
2
3
4
🔥
6
7
8
9
🔥
11
12
13
14
💎
🤖
游戏规则：
- 主角：机器人 Robo (🤖)，从左上角 (0号格子) 出发。
- 目标：找到右下角的宝藏 (💎, 15号格子)。
- 危险：避开火焰陷阱 (🔥, 5号和10号格子)。
- 行动：Robo 可以向 上、下、左、右 移动。
强化学习是如何工作的？
强化学习本质上就是 “试错学习” (Trial-and-Error)。Robo 不知道地图长什么样，它只能通过不断尝试移动，观察结果，累积经验，最终学会如何安全快速地拿到宝藏。
🤖
智能体 (Agent)Robo
动作 (Action)
状态 (State) + 奖励 (Reward)
🌍
环境 (Environment)网格世界
这个交互过程周而复始：
- 观察 (Observe)：Robo 看到自己当前在哪（比如在格子 0）。
- 决策 (Decide)：Robo 决定往哪走（比如“向右”）。
- 行动 (Act)：Robo 执行移动。
- 反馈 (Feedback)：环境告诉 Robo 新的位置（格子 1）以及是否获得奖励（暂时没有，或者扣点分作为时间成本）。
- 学习 (Learn)：Robo 记住这次尝试的结果，更新自己的策略。
接下来...
我们将拆解这个过程，详细了解每一个环节。点击左侧菜单或下方链接开始！
我们将拆解这个过程，详细了解每一个环节。点击左侧菜单或下方链接开始！