用于選擇要由與環(huán)境交互的代理執(zhí)行的動(dòng)作的方法、系統(tǒng)和裝置。一種方法包括維護(hù)將每個(gè)觀測(cè)?動(dòng)作對(duì)映射到相應(yīng)的返回的返回?cái)?shù)據(jù)，每個(gè)觀測(cè)?動(dòng)作對(duì)中的動(dòng)作是由代理響應(yīng)于觀測(cè)?動(dòng)作對(duì)中的觀測(cè)而執(zhí)行的動(dòng)作，并且由每個(gè)觀測(cè)?動(dòng)作對(duì)映射到的相應(yīng)返回是由代理執(zhí)行觀測(cè)?動(dòng)作對(duì)中的動(dòng)作所產(chǎn)生的返回；接收當(dāng)前觀測(cè)；確定當(dāng)前觀測(cè)值是否與在返回?cái)?shù)據(jù)中識(shí)別到的任何觀測(cè)相匹配；以及響應(yīng)于確定當(dāng)前觀測(cè)與在返回?cái)?shù)據(jù)中識(shí)別到的第一觀測(cè)相匹配，使用由返回?cái)?shù)據(jù)中包括第一觀測(cè)的觀測(cè)?動(dòng)作對(duì)映射到的返回來(lái)選擇要由代理執(zhí)行的動(dòng)作。