Gated Q-learning：给离策略偏差加一道门控

Gated Q-learning 提出用状态-动作相关的连续门控机制替代重要性采样，在 Watkins' Q(λ) 与 Peng's Q(λ) 两种极端之间平滑插值，选择性衰减 eligibility trace。