动作空间
走迷宫机器人如果只有往东、往南、往西、往北这 4 种移动方式，则其动作空间为离散动作空 间
如果机器人可以向 360 度中的任意角度进行移动，则其动作空间为连续动作空间。
策略（policy）
智能体会用策略来选取下一步的动作
价值函数（value function）
对当前状态进行评估
模型（model）
模型表示智能体对环境的状态进行理解，它决定了环境中世界的运行方式
马尔可夫决策过程（Markov decision process）
当我们有了策略、价值函数和模型3个组成部分后，就形成了一个马尔可夫决策过程（Markov decision process）
