feat: improve device handling and add stochastic option

mario-rl-mvp/README.md

@@ -143,13 +143,13 @@ tensorboard --logdir artifacts/logs --port 6006
 加载最新模型，跑 N 个 episode，输出平均指标：
 
 ```bash
-python -m src.eval --episodes 5
+python -m src.eval --episodes 5 --stochastic
 ```
 
 可指定模型：
 
 ```bash
-python -m src.eval --model-path artifacts/models/latest_model.zip --episodes 10
+python -m src.eval --model-path artifacts/models/latest_model.zip --episodes 10 --stochastic
 ```
 
 注意：`eval.py` 默认 `--movement auto`，会按模型动作维度自动匹配 `right_only/simple`，避免动作空间不一致导致 `KeyError`。
@@ -174,13 +174,13 @@ _total_timesteps = 150000
 默认录制约 10 秒 mp4 到 `artifacts/videos/`：
 
 ```bash
-python -m src.record_video --duration-sec 10 --fps 30
+python -m src.record_video --duration-sec 10 --fps 30 --stochastic
 ```
 
 可指定输出路径：
 
 ```bash
-python -m src.record_video --output artifacts/videos/demo.mp4 --duration-sec 10
+python -m src.record_video --output artifacts/videos/demo.mp4 --stochastic --duration-sec 10
 ```
 
 注意：`record_video.py` 默认 `--movement auto`，会按模型自动匹配动作空间。