RL | 复现 IQL 的踩坑记录

1. 应该归一化 state 和 reward，IQL 原本实现 / 论文中就有说（？）
2. 注意归一化 state 之后，evaluate 的时候也要归一化 state（？）
3. 把 next_obsevation 也归一化后，iql 是 work 的
4. PT 的神秘归一化，待 check