Plotly Q-table Heatmap (Best-of-two Actions)

每個網格顏色由 gap = (最佳 Q - 第二佳 Q) 及「最佳 action」決定：
- 若 gap 越大，顏色飽和度越高；
- 若最佳動作是 0，色相為 0° (紅)；最佳動作是 1，色相為 180° (青)；
- gap 小則更接近白色，表示動作差異不明顯。