任務說明
智能體在一條 10 格的直線通道中移動。目標是走到終點 🏆 取得獎勵，同時避開炸彈 💣。切換模式可改變沿途回饋與終點設定，觀察不同環境對學習的影響。
🎯 獎勵機制
- 到達終點 🏆：+10，回合結束
- 踩到炸彈 💣：-10，回合結束
- 順境模式：路途中有 🍬 小正回饋
- 逆境模式：路途中有 🔥 小負回饋
- 畫大餅模式：終點改為 🍕，僅得 +2
🧭 狀態描述
playerPos：玩家所在格子索引（0 ~ 9）
🕹️ 動作功能
0：none（不動作）1：right（向右移動一格）2：left（向左移動一格）
⚙️ 參數建議
新手
- bins = 10，ε = 0.3
- α = 0.5，γ = 0.9
- 推薦：無小回饋模式
進階
- 切換順境 / 逆境模式
- 觀察沿途回饋對收斂的影響
- 比較「畫大餅」vs 正常終點