語言
AI 實驗室 · 強化學習 · W12
格子世界找蘋果：手動試錯，或看 Q-learning 自己變聰明。
手動探索：你就是代理人，靠試錯找路。自動學習：看 Q-learning 更新每個格子的「動作價值」，策略會愈來愈聰明。
用方向鍵或按鈕移動代理人，到達 🍎 得分、掉進 🕳 扣分。
本局獎勵
0.0
已完成局數
0
強化學習 = 試錯 + 獎勵信號。格子上的箭頭是目前學到的「最佳動作」；紫色光暈越強，代表該格的 Q 值越大。 真實世界的遊戲 AI、機器人導航，核心概念與此相同。