定義確定性策略
在這個練習中，你會使用自訂環境 MyGridWorld，也就是你在影片中看到的同一個環境。這個環境是一個格子世界，智能體的目標是盡快抵達鑽石。你的任務是依照下圖所示，定義一個引導智能體行為的策略。
動作以數字表示：（0 → left，1 → down，2 → right，3 → up）。
已為你匯入 gymnasium 函式庫為 gym，同時提供了 render() 函式。
本練習屬於課程
使用 Python 的 Gymnasium 進行強化學習
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create the environment
env = ____
state, info = env.reset()
# Define the policy
policy = ____