网格世界中的终端状态是什么？
What is terminal state in gridworld?
我正在学习马尔可夫决策过程。
我不知道在哪里标记终端状态吗？
在4x3的方格世界里，我把我认为正确（我可能错了）的终端状态标记为T。
Pic
我看到一个指令标记终端状态如下。
terminals=[(3, 2), (3, 1)]
谁能解释一下它是如何工作的？
在给定的 grid-world 中，您从“开始”开始，即 (0,0)。然后你从那个点四处走动。如果您到达“结束 +1”{(3,2)}，则奖励为 +1，游戏结束。同样，如果您到达“end -1”{(3,1)}，则奖励为 -1，游戏结束。但是，当你四处移动时，你不能移动到 {(1,1)} 作为它的无效状态。此外，如果您达到 {(2,0) 和 (2,1)} 处的任何终端状态“T”，则游戏以零奖励结束。
我正在学习马尔可夫决策过程。 我不知道在哪里标记终端状态吗？
在4x3的方格世界里，我把我认为正确（我可能错了）的终端状态标记为T。 Pic
我看到一个指令标记终端状态如下。
terminals=[(3, 2), (3, 1)]
谁能解释一下它是如何工作的？
在给定的 grid-world 中，您从“开始”开始，即 (0,0)。然后你从那个点四处走动。如果您到达“结束 +1”{(3,2)}，则奖励为 +1，游戏结束。同样，如果您到达“end -1”{(3,1)}，则奖励为 -1，游戏结束。但是，当你四处移动时，你不能移动到 {(1,1)} 作为它的无效状态。此外，如果您达到 {(2,0) 和 (2,1)} 处的任何终端状态“T”，则游戏以零奖励结束。