Python 3.9.6 | standard library CPU | map [9,9], patch [3,3], action scalar [0..3]
35 unique maps: 5 reserved development, 30 test; no training or tuning
360 episodes saved; random policy seed = 73000 + map seed
{
  "16": {
    "random": {
      "success": 0.0,
      "steps": 16.0,
      "moves": 6.0,
      "collision_rate": 0.625,
      "return_": -0.6600000000000001,
      "spl": 0.0,
      "action_efficiency": 0.0
    },
    "memory_reset": {
      "success": 0.06666666666666667,
      "steps": 15.466666666666667,
      "moves": 15.466666666666667,
      "collision_rate": 0.0,
      "return_": -0.08800000000000001,
      "spl": 0.06666666666666667,
      "action_efficiency": 0.06666666666666667
    },
    "memory": {
      "success": 0.6,
      "steps": 14.133333333333333,
      "moves": 14.133333333333333,
      "collision_rate": 0.0,
      "return_": 0.45866666666666667,
      "spl": 0.6,
      "action_efficiency": 0.6
    },
    "oracle": {
      "success": 0.6,
      "steps": 14.133333333333333,
      "moves": 14.133333333333333,
      "collision_rate": 0.0,
      "return_": 0.45866666666666667,
      "spl": 0.6,
      "action_efficiency": 0.6
    }
  },
  "32": {
    "random": {
      "success": 0.0,
      "steps": 32.0,
      "moves": 13.133333333333333,
      "collision_rate": 0.5895833333333333,
      "return_": -1.263333333333334,
      "spl": 0.0,
      "action_efficiency": 0.0
    },
    "memory_reset": {
      "success": 0.06666666666666667,
      "steps": 30.4,
      "moves": 30.4,
      "collision_rate": 0.0,
      "return_": -0.23733333333333345,
      "spl": 0.06666666666666667,
      "action_efficiency": 0.06666666666666667
    },
    "memory": {
      "success": 0.9333333333333333,
      "steps": 18.4,
      "moves": 18.4,
      "collision_rate": 0.0,
      "return_": 0.7493333333333333,
      "spl": 0.9063492063492063,
      "action_efficiency": 0.9063492063492063
    },
    "oracle": {
      "success": 1.0,
      "steps": 16.8,
      "moves": 16.8,
      "collision_rate": 0.0,
      "return_": 0.832,
      "spl": 1.0,
      "action_efficiency": 1.0
    }
  },
  "64": {
    "random": {
      "success": 0.0,
      "steps": 64.0,
      "moves": 28.166666666666668,
      "collision_rate": 0.5598958333333334,
      "return_": -2.4316666666666675,
      "spl": 0.0,
      "action_efficiency": 0.0
    },
    "memory_reset": {
      "success": 0.06666666666666667,
      "steps": 60.266666666666666,
      "moves": 60.266666666666666,
      "collision_rate": 0.0,
      "return_": -0.5360000000000004,
      "spl": 0.06666666666666667,
      "action_efficiency": 0.06666666666666667
    },
    "memory": {
      "success": 1.0,
      "steps": 18.533333333333335,
      "moves": 18.533333333333335,
      "collision_rate": 0.0,
      "return_": 0.8146666666666667,
      "spl": 0.9455648926237161,
      "action_efficiency": 0.9455648926237161
    },
    "oracle": {
      "success": 1.0,
      "steps": 16.8,
      "moves": 16.8,
      "collision_rate": 0.0,
      "return_": 0.832,
      "spl": 1.0,
      "action_efficiency": 1.0
    }
  }
}
Boundary checks PASSED: {"terminal_at_limit": "both flags true", "wall": "stationary, penalty, timeout", "invalid_actions": 4, "post_terminal": "rejected", "collision_metric_fixture": "two blocked actions then one successful move", "truncated_bootstrap_target": 0.435, "wrong_done_target": -0.06}