Ajouter SAC (Self auto critic ) dans le RL pour meilleures expérimentation

SAC — Soft Actor-Critic (Haarnoja et al., 2018)

Off-policy + maximisation d'entropie : l'agent cherche à être performant tout en restant exploratoire. Plus sample-efficient que PPO. Prévu pour le placement quasi-continu (bouées dérivantes) mais pas encore implémenté dans le code.