minesweeper

该数据集包含五个不同大小的舰船，它们被随机放置在一个10×10的网格中。在这个任务中，智能体必须在不了解舰船实际位置的情况下击沉所有舰船。对于击中舰船的步骤，系统会给予奖励，而对于每一步的时间消耗，则会施加惩罚。该任务的规模是基于10×10的网格，主要任务是处理部分可观测马尔可夫决策过程（Pomdps）中的决策制定。