小高知宏の機械学習と深層学習に書かれているQ学習が分からないのですが。

迷路抜けを課題に選んでいますが、「迷路抜け知識」とは何でしょうか？

一度迷路のゴールに到達してしまえば学習も何もないですよね？

どういうことなのか分かりやすく説明をお願いします。