有什麼
Rein Room 是什麼？— 平台 1.0 功能全覽
一個在瀏覽器裡訓練 AI Agent 的強化學習平台，免安裝、即開即用
一句話定位
Rein Room（RR）是一個純前端的強化學習教育平台：你只需要開啟瀏覽器，就能讓一個 AI Agent 從零開始學習玩遊戲——看它一開始亂試、撞牆、失敗，再看它逐漸找到策略、穩定得分。 整個過程不需要安裝任何軟體、不需要寫一行程式碼，所有計算都在你的電腦本地執行。
平台網址：
reinroom.leaflune.org
— 直接開啟即可使用，免登入、免安裝。
核心功能概覽
| 功能類別 | 具體內容 |
|---|---|
| 演算法 | Q-Learning（Q-Table 離散化）、Q-Table 蒸餾式 DQN（神經網路，TensorFlow.js） |
| 遊戲環境 | 5 個內建遊戲，從最簡單的多臂拉霸到物理模擬的 CartPole，難度梯度分明 |
| 訓練視覺化 | 即時 Reward 折線圖、Steps 柱狀圖、Q-Table 熱力圖、動作分布圖、動作熱圖 |
| 超參數調整 | 學習率（α）、折扣因子（γ）、探索率（ε）可即時修改，調完立刻看效果 |
| 訓練控制 | 暫停 / 繼續、加速模式、清空記憶重新訓練、匯入 / 匯出 Q-Table |
介面布局說明
RR 的主介面分為左右兩個區域：
左
遊戲畫面區
以 iframe 嵌入的遊戲環境，你可以即時觀察 Agent 正在做什麼。 每一步動作、每一次碰壁、每一個得分都在這裡發生。
以 iframe 嵌入的遊戲環境，你可以即時觀察 Agent 正在做什麼。 每一步動作、每一次碰壁、每一個得分都在這裡發生。
右
控制面板與圖表區
上方是遊戲選擇、演算法切換、超參數設定與訓練控制按鈕； 下方是即時更新的訓練圖表，包含 Reward 曲線、Steps 趨勢、Q-Table 熱力圖等。
上方是遊戲選擇、演算法切換、超參數設定與訓練控制按鈕； 下方是即時更新的訓練圖表，包含 Reward 曲線、Steps 趨勢、Q-Table 熱力圖等。
Rein Room 平台介面：左側遊戲區、右側控制面板與訓練圖表
五個遊戲環境
| 遊戲 | 簡介 | 適合學習主題 |
|---|---|---|
| 多臂拉霸（MAB） | 最簡單的情境：Agent 只能選哪台機器拉，沒有狀態轉移，純粹是探索 vs 利用的取捨。 | ε-greedy、探索策略入門 |
| 一維迷宮（Maze1D） | Agent 在一條直線上向左或向右走，找到出口即結束回合。 | Q-Table 基礎、狀態-動作映射 |
| 二維迷宮（Maze2D） | 格狀地圖上的迷宮導航，以 emoji 顯示地圖，狀態空間明顯增大。 | 狀態空間維度感、Q-Table 熱力圖解讀 |
| 直升機（heli） | 即時制飛行遊戲，Agent 要連續控制直升機上下飛行穿越障礙。 | 連續動作時序、即時制 vs 回合制 |
| CartPole | 經典物理模擬：在移動小車上保持桿子不倒，4 維連續狀態空間（位置、速度、角度、角速度）。 | 連續狀態離散化、DQN 的必要性 |
難度梯度設計：
從 MAB → Maze1D → Maze2D → heli → CartPole，狀態空間和決策複雜度逐步遞增，
適合課程循序引導，也讓學生自然感受到「為什麼需要 DQN」。
跟傳統 RL 工具的差異
傳統工具（如 OpenAI Gym）
- 需要安裝 Python 環境
- 需要撰寫訓練程式碼
- 數值輸出，可視化需額外處理
- 適合已有程式基礎的學習者
- 彈性高，可深度客製化
Rein Room
- 開啟瀏覽器即可使用
- 不需要寫程式
- 訓練過程即時視覺化
- 適合教學與初學者
- 聚焦在概念理解與觀察
RR 不是要取代 Gym，而是填補了一個缺口： 讓沒有程式背景的學生，或剛接觸 RL 的學習者， 能先建立直觀和概念，再決定是否要深入實作。
適合誰用？
1
教師與講師
想在課堂上展示 RL 概念，不想花半節課安裝環境。RR 可以直接投影，邊操作邊解說。
想在課堂上展示 RL 概念，不想花半節課安裝環境。RR 可以直接投影，邊操作邊解說。
2
學生與自學者
想理解 Q-Learning 是怎麼運作的，不只是背公式。RR 讓你看到 Q-Table 如何更新、 策略如何從隨機逐漸收斂。
想理解 Q-Learning 是怎麼運作的，不只是背公式。RR 讓你看到 Q-Table 如何更新、 策略如何從隨機逐漸收斂。
3
對 AI 感興趣的任何人
不需要數學背景，只需要好奇心。看著 Agent 慢慢學會，本身就是一件有趣的事。
不需要數學背景，只需要好奇心。看著 Agent 慢慢學會，本身就是一件有趣的事。
準備好了嗎？
打開 reinroom.leaflune.org，
選一個遊戲，按下開始，看看 Agent 需要多少回合才能學會——這是最好的入門方式。