定义一个确定性策略
在本练习中，您将使用一个名为 MyGridWorld 的自定义环境（与视频中相同）。这是一个网格世界，智能体的目标是尽快到达钻石。您的任务是按照下图所示为智能体定义一个指导其行为的策略。
动作表示为： (0 → 向左，1 → 向下，2 → 向右，3 → 向上)。
已为您导入 gymnasium 库为 gym，并提供了 render() 函数。
本练习是课程的一部分
Python 中的 Gymnasium 强化学习
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create the environment
env = ____
state, info = env.reset()
# Define the policy
policy = ____