浙江大学《人工智能与系统》课程作业，机器人走迷宫。
深搜和宽搜没什么好说的，这里主要是用 DQN 实现。
关于这个项目的描述可以查看 main.ipynb，然后我实现的机器人在 my_robot.ipynb 中。
这里我的机器人没有采用探索的策略，而是直接获取整个世界的信息，并从所有数据中直接开始学习。
修改了原有的 torch_py/QNetwork.py 中的 QNetwork 类的网络结构，将原有的 state_size -> 512 -> 512 -> action_size 改成了 state_size -> 128 -> 64 -> action_size。
修改奖励策略，将终点奖励设置为和迷宫大小相关，否则在过大的迷宫中，机器人不一定能「看得到」太远的终点。
训练结果如下图所示：
