強化學習中，gym的核心接口environment, 以及 render(), reset(), step() ,ob等

• gym的核心接口是environment，核心方法如下

1. reset()：重置環境狀態，回到初始環境，方便下一次訓練
2. step(action)：完成一個時間步，返回4個值
   1. observation：object, 對環境的觀測
   2. reward：float，即時的獎勵
   3. done：bool 是否需要重置環境（如遊戲這個時間步後遊戲結束）
   4. info ：dict 用於調試診斷信息
3. render()：重繪環境圖像