通过扫地机器人和军棋游戏，直观理解强化学习核心概念
💡 实际脏概率 = 基准概率 ± 随机波动（每步随机），模拟真实环境的不可预测性。显示的是本次实际使用的概率。
逻辑：若当前房间脏→打扫；否则移动到下一个脏房间（多房间时循环巡视）
房间每步按配置的概率变脏，概率可随时间增长。
逻辑：每个房间有独立策略表，机器人按表执行最优动作。
ε=0 完全利用（选最优）；ε=1 完全随机探索
Q(s,a) ← Q(s,a) + α[r + γ·max_a' Q(s',a') - Q(s,a)]
支持多房间多机器人，Q 表按房间数动态生成。
🎯 与好友对垒：创建房间后，把带房间号的链接发给好友，双方同时登录本页即可开战。
♟️ 军棋是回合制、信息掩蔽的棋类游戏：你的棋子对手看不见，碰撞时才会揭开。