强化学习

强化学习（RL）相关概念与笔记。详细可跑通的实验流程见项目 Demo：倒立摆 RL 入门。

主题

主题	说明
MDP 基础	马尔可夫决策过程五元组
PPO 概要	近端策略优化与 clip 直觉

与项目 Demo 的关系

• 知识库：偏概念、可跨项目复用
• 项目 Demo：偏某一仓库的完整学习路径（多页教学站 + 代码）

建议学习顺序：先读本领域笔记 → 再打开倒立摆教学站动手训练。