网格世界的深度Q学习

Question

是否有人实现了深度Q学习来解决网格世界问题，其中状态是玩家的[x，y]坐标，目标是达到某个坐标[a，B]。奖励设置可以是每一步-1，达到[A，B]可以是+10。[A，B]总是固定的。

令人惊讶的是，我没有在谷歌上找到这样的实现。我自己用taxi-v3尝试了DQN，但没有成功。因此，寻找这样一个参考实现来解决我的问题。

Answer 1

对于网格世界来说，不需要深度Q学习，这可能就是为什么很少有人这样做的原因。然而，我发现了一个在网格世界中使用深度Q学习的教程：https://livebook.manning.com/book/deep-reinforcement-learning-in-action/chapter-3/1