机器人自动走迷宫-基础搜索与强化学习

1.1 实验背景

在本实验中，要求分别使用基础搜索算法和 Deep QLearning 算法，完成机器人自动走迷宫。 

如上图所示，左上角的红色椭圆既是起点也是机器人的初始位置，右下角的绿色方块是出口。
游戏规则为:从起点开始，通过错综复杂的迷宫，到达目标点(出口)。

在任一位置可执行动作包括：向上走 'u'、向右走 'r'、向下走 'd'、向左走 'l'。

· 执行不同的动作后，根据不同的情况会获得不同的奖励，具体而言，有以下几种情况。

o 撞墙

o 走到出口

o 其余情况

· 你需要实现基于基础搜索算法和 Deep QLearning 算法的机器人，使机器人自动走到迷宫的出口。

1.2 实验要求

· 使用 Python 语言。

· 使用基础搜索算法完成机器人走迷宫。

· 使用 Deep QLearning 算法完成机器人走迷宫。

· 算法部分需要自己实现，不能使用现成的包、工具或者接口。

1.3 实验环境

可以使用 Python 实现基础算法的实现， 使用 Keras、PyTorch等框架实现 Deep QLearning 算法。

1.4 参考资料

· 强化学习入门MDP：https://zhuanlan.zhihu.com/p/25498081

· QLearning 简单例子（英文）：http://mnemstudio.org/path-finding-q-learning-tutorial.htm

· QLearning 简单解释（知乎）：https://www.zhihu.com/question/26408259

· DeepQLearning 论文：https://files.momodel.cn/Playing%20Atari%20with%20Deep%20Reinforcement%20Learning.pdf

1、 实验核心代码，并附上关键注释

2、 实验结果图

3、 如果使用了大模型，请在此处贴上和大模型的问答记录

a) 使用哪些大模型：

b) 问的问题，按顺序写出：

c) 一共问了几个问题：

d) 和大模型的问答记录：