2D Continuous Light-Dark Problem

该数据集模拟了一个场景，其中机器人必须在二维空间中导航，该空间内散布着提供较不噪声音信号的信标，目标是位于右上角的位置。机器人的初始信念被建模为高斯分布，而奖励则基于与目标的距离。该任务的规模是二维的，具体任务是在连续状态空间中进行导航，奖励依赖于信念。