Qiushi Pan

作ってみて難しかったところ
<ul>
<li>APIをどうするべきかが難しかった</li>
<li>ボードの扱い方
<ul>
<li>ターンを変更したときにボードをひっくり返すべきかどうか</li>
<li>獲得済みの石の数を情報に含めるべきかどうか</li>
</ul>
</li>
</ul>

<ul>
<li>legal actionsの扱い方
<ul>
<li>ペナルティを与えるべきか</li>
<li>そもそも実行不可能にすべきか</li>
</ul>
</li>
</ul>

<ul>
<li>ボード状態の見せ方
<ul>
<li>確か，石の数をそのまま入れていた</li>
<li>ワンホットにするとか，今なら他の選択肢もあるのでは</li>
</ul>
</li>
</ul>

<ul>
<li>マンカラならではの要素　スキップ
<ul>
<li>環境がハンドルすべきか，エージェントがハンドルすべきか</li>
</ul>
</li>
</ul>

Gym APIはPOMDP 
RLlibはPOSG (partially observable stochastic game)

POSG (partially observable stochastic games) 
EFG (extensive form games) 
AEC (agent environment cycle) games