强化学习中，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()：重置环境状态，回到初始环境，方便下一次训练
2. step(action)：完成一个时间步，返回4个值
   1. observation：object, 对环境的观测
   2. reward：float，即时的奖励
   3. done：bool 是否需要重置环境（如游戏这个时间步后游戏结束）
   4. info ：dict 用于调试诊断信息
3. render()：重绘环境图像