DQN到底是如何学习的？

Question

我在gym中创建了我的自定义环境，这是一个迷宫。我使用带有BoltzmannQPolicy的DQN模型。 它通过以下变量进行良好训练：

• 代理人的立场
• 距离端点的距离
• 端点位置
• 它可以向哪个方向移动

所以我没有给它一个图像或任何东西。如果我在相同的环境（相同的迷宫，不改变墙壁的位置）中训练和测试它，它可以很容易地解决问题。但是如果我没有经过训练就把它引入一个完全不同的环境（迷宫），那么它就不知道该怎么办了。我不知道问题是否出在我的代码上，或者DQN只是为了解决相同的环境