指导Agent在XX的环境中做出最优决策的模型框架

任务：自动驾驶具备人的行为智能（指导Agent在XX的环境中做出最优决策的模型框架）的目的。

针对自动驾驶问题，提出不需要专家知识辅助的
简单说明：增强学习中神经网络需要完成的任务：针对图像，通过（神经网络）抽象出任务所处环境的特征信息，将特征信息与动作行为之间建立联系（相比于传统图像识别任务：特征信息与识别目标位置、类别之间建立联系）。Agent需要与环境层（真实环境，模拟环境，游戏环境）相互试探交互，数据交互层通过传感器、评判器、执行器来负责环境与Agent交互过程中数据的传输、存储、回放等任务，通过传感器和游戏引擎可以完整或者部分观测到环境的状态信息，将状态信息定义为状态空间S={s1，s2，……}，通过处理层（依据策略）对状态S分析计算得到最优动作（定义动作空间为A={a1，a2，……}），将最优动作通过执行器执行并得到下一状态，这一部分仅涉及网络的前向预测。对于策略的训练和优化，需要借鉴评判器对每次动作执行完成后的状态进行评判获得奖励值，评判器的评判规则将会直接约束学习到的策略（如左图，以自动驾驶为例：任务为驾驶车辆从起点到终点在规定跑道内行驶，压黑色边线或