Roughly speaking, it maps each perc

Roughly speaking, it maps each perceived state (or state{action pair) of the
environment to a single number, a reward, indicating the intrinsic desirability
of that state.

ผลลัพธ์ (ไทย) 1:

มันพูดประมาณ แผนที่แต่ละรัฐรับรู้ (หรือสถานะ {คู่การกระทำ) ของการสภาพแวดล้อมเพื่อเลขเดี่ยว รางวัล ระบุความแท้จริงของรัฐ

ผลลัพธ์ (ไทย) 2:

ประมาณพูดก็รับรู้แผนที่แต่ละรัฐ (หรือรัฐกระทำ {คู่) ของ
สภาพแวดล้อมเป็นจำนวนเดียวรางวัลแสดงความปรารถนาที่แท้จริง
ของรัฐนั้น

ผลลัพธ์ (ไทย) 3:

ประมาณพูดมันแผนที่แต่ละรัฐหรือรัฐ { การกระทำของคู่ของสภาพแวดล้อมหมายเลขเดียว , รางวัล , แสดงความปรารถนาที่แท้จริงของรัฐนั้น