游戏概览：

你控制一个智能体（类似游戏角色），他背着一个背包。
游戏在一个 大小为 size × size 的二维网格地图上进行（比如，一个棋盘）。
智能体的起始位置是随机的，并且只能停留在网格的整数坐标上（每个格子）。
地图详情：

在游戏开始时，每个网格格子上都有一张字符图片，这些字符来自一个数据集。
你的目标是识别这些字符的类别，合理选择行动，以最大化累计得分。
可选动作：

每一轮，你可以从以下 五个动作 中选择一个：

向下移动一格（动作 0）
向右移动一格（动作 1）
向上移动一格（动作 2）
向左移动一格（动作 3）
收集字符（动作 4）
收集字符：

收集字符意味着：如果你当前所在的格子还没有收集过，你就可以将该格子的字符类别放入背包。
每个位置的字符图片只能被收集一次。
如果你尝试在已经收集过的格子再次收集，你会受到负分惩罚。
字符消除：

当你背包中某一类别的字符数量达到 4 个时，这些字符会自动消除：
背包中该类别的所有字符都会被清空。
你会获得正分奖励。
得分与惩罚：

移动（上、下、左、右）：

每次移动都会消耗体力，导致扣分。
扣分计算方式为：- (0.1 + 背包中字符总数 ÷ size²)。
背包中携带的字符越多，移动消耗的分数就越大。
例如，如果背包里有 10 个字符，地图大小为 12，则移动一次扣分为：- (0.1 + 10 ÷ 144)。
收集动作：

在未收集过的格子收集字符，如果没有发生消除，分数不变。
在已收集过的格子再次收集，你会扣 2 分。
当收集导致字符消除时（即收集到第 4 个同类别字符），你会获得 1 分。
全部消除奖励：

如果你成功消除了地图上所有的字符，你会额外获得 100 分的奖励。
游戏结束与惩罚：

游戏有一个最大回合数限制，为 4 × size × size。
如果你在达到最大回合数后游戏结束，你会受到额外的分数惩罚：
惩罚分数 = 3 ×（背包中剩余的字符数 + 地图上未消除的字符数）。
也就是说，游戏结束时剩余的字符越多，惩罚越大。
游戏目标：

策略性地移动和收集字符，尽可能地提高你的总得分。
计划你的路径，尽量减少不必要的移动，降低体力消耗（扣分）。
优先收集和消除字符，因为消除可以获得积分，并清空背包减少移动消耗。
避免在已收集的格子重复收集，以免受到额外的扣分惩罚。
争取在有限的回合内清除所有字符，获取高额的全图消除奖励。
管理好背包中的字符数量，因为携带过多字符会增加移动扣分。
提示与策略：

平衡行动成本与收益：移动会扣分，收集也可能扣分或得分，合理选择行动很重要。
背包管理：及时消除字符，减轻背包负担，降低移动消耗。
路线规划：设计高效的收集路径，避免走回头路。
时间管理：注意回合限制，确保在规定回合内完成尽可能多的消除，避免游戏结束时的高额惩罚。
全局视野：以清除全图为目标，获取额外的 100 分奖励。