摘要： 新手的第一个强化学习示例一般都从Open Gym开始。在这些示例中，我们不断地向环境施加动作，并得到观测和奖励，这也是Gym Env的基本用法： state, reward, done, info = env.step(action) 其中state是agent的观测状态，reward是采取了act 阅读全文