强化学习——Sarsa

1.Sarsa:

核心：拿下一步的Q值来更新这一步的Q值

sample（） 输入的为状态，输出的为动作。

再进行learn（）需要注意要先通过next_obs拿到next_action

2.

3.Sarsa与环境交互

3.1Sarsa Agent 根据Q表格选动作

3.2.更新Q表格