type
status
date
slug
summary
tags
category
icon
password
创建基本环境
import numpy as np np.set_printoptions(threshold=np.inf) 可以打印全部数组
list（数组(210, 160, 3)，生命值lives
'episode_frame_number'：这个键对应的值是0，表示当前回合的帧数（或步数）为0。帧数可以用来跟踪环境中经过的时间步。
'frame_number'：这个键对应的值也是0，表示整个训练的总帧数（或总步数）为0。这个值可以用来跟踪整个训练过程中的总步数。）
动作：
状态
走一步
环境终止指的是环境达到了某个终止条件，不再接受代理的动作，并且通常会重置到初始状态。终止可能是由于任务完成、游戏结束或者达到预设的时间步数限制等。当环境终止时，代理通常需要处理收集到的奖励并进行下一步决策。
截断是针对一些特殊情况而言的，例如在某些连续任务中，限制了最大时间步数或者最大轨迹长度。如果在试图执行完整轨迹之前达到了时间步限制或者轨迹长度限制，环境就会被截断。在这种情况下，环境不会重置到初始状态，而是保留当前状态，并返回一个截断标志。
区别在于，终止意味着环境已经完成或达到终止条件，需要进行重置处理，而截断则是在限制时间步或轨迹长度的情况下，环境仍然保持当前状态可以继续与代理进行交互。
在代码段中提到的
"final_observation" 和 "final_info" 用于存储在终止或截断之后最后一步的观测和信息，以便代理可以进一步处理或记录这些结果。 -AI晚安 梦里见
- 作者:MasterYe
- 链接:https://www.masterye.xyz//article/AI-5
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。