在DDQN中，两个Q网络各自的作用是什么？为什么这种双网络设计能有效缓解DQN中的价值过高估计问题？

回答思路

1. 准确说明当前Q网络用于动作选择和Q值评估
2. 准确说明目标Q网络用于计算目标值，提供稳定的监督信号
3. 解释延迟更新和软更新（或定期硬更新）对稳定训练的作用
4. 说明双网络如何解耦评估与目标计算，减少自举偏差
5. 能进一步对比DQN与Double DQN在计算目标值时的差异