#Value Function

强化学习是一个闭环过程，其中智能体根据观察结果选择动作并最大化延迟奖励。本入门教程解释了马尔可夫决策过程（MDP）、价值函数、策略、贝尔曼方程、探索与利用、奖励设计以及从仿真到真实机器人的实现路径。