观测意义-OpenAI Gym

Question

我想了解在OpenAI Gym(https://gym.openai.com/)中观察CartPole-v0的规格说明。

例如，在以下代码输出中，observation如下：[-0.061586 -0.75893141 0.05793238 1.15547541]，我想知道这些数字的含义。我还想知道其他Environments（如MountainCar-v0，MsPacman-v0等）的规格说明的任何方法。

我尝试阅读https://github.com/openai/gym，但我不知道该怎么做。你能告诉我如何了解规格说明吗？

import gym
env = gym.make('CartPole-v0')
for i_episode in range(20):
    observation = env.reset()
    for t in range(100):
        env.render()
        print(observation)
        action = env.action_space.sample()
        observation, reward, done, info = env.step(action)
        if done:
            print("Episode finished after {} timesteps".format(t+1))
            break

(来自https://gym.openai.com/docs)

输出如下

[-0.061586   -0.75893141  0.05793238  1.15547541]
[-0.07676463 -0.95475889  0.08104189  1.46574644]
[-0.0958598  -1.15077434  0.11035682  1.78260485]
[-0.11887529 -0.95705275  0.14600892  1.5261692 ]
[-0.13801635 -0.7639636   0.1765323   1.28239155]
[-0.15329562 -0.57147373  0.20218013  1.04977545]
Episode finished after 14 timesteps
[-0.02786724  0.00361763 -0.03938967 -0.01611184]
[-0.02779488 -0.19091794 -0.03971191  0.26388759]
[-0.03161324  0.00474768 -0.03443415 -0.04105167]

- ryo

---

我认为这是该类 https://github.com/openai/gym/blob/master/gym/envs/classic_control/cartpole.py - fafl

Answer 1

OpenAI Gym中使用的观察空间与原论文并不完全相同。请查看OpenAI的wiki以获取答案。观察空间是一个4维空间，每个维度如下所示：

Num 观察值 最小值 最大值 0 小车位置 -2.4 2.4 1 小车速度 -Inf Inf 2 杆角度 ~ -41.8° ~ 41.8° 3 杆顶速度 -Inf Inf

- RoastDuck

Answer 2

在OpenAI Gym网站描述每个环境的段落之后，您总是会找到一份详细解释环境的参考资料。例如，在CartPole-v0的情况下，您可以在以下位置找到所有详细信息：CartPole-v0。

在那篇论文中，您可以阅读到小车杆具有四个状态变量：

1. 小车在轨道上的位置 2. 杆与竖直方向的角度 3. 小车速度 4. 角度变化率

因此，observation只是一个带有四个状态变量值的向量。

类似地，您可以在以下位置找到MountainCar-v0的详细信息：

[Moore90] A Moore, Efficient Memory-Based Learning for Robot Control, PhD thesis, University of Cambridge, 1990.

等等。

- Pablo EM