可以以某种方式在 env.step 中返回 False 为 True 吗？ 健身房

问题描述

当我试图找出植绒环境（来自gym-flock）的重置条件时， 我想出了这个问题：“return False”可以以某种方式返回 True 吗？？

核心代码是：

1：test_model.py 中 https://github.com/katetolstaya/multiagent_gnn_policies#available-algorithms

def test(args,actor_path,render=True):
# initialize gym env
env_name = args.get('env')
env = gym.make(env_name)
if isinstance(env.env,gym_flock.envs.FlockingrelativeEnv):
    env.env.params_from_cfg(args)

# use seed
seed = args.getint('seed')
env.seed(seed)
random.seed(seed)
np.random.seed(seed)
torch.manual_seed(seed)

# initialize params tuple
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
learner = DAGGER(device,args)
n_test_episodes = args.getint('n_test_episodes')
learner.load_model(actor_path,device)

**for _ in range(n_test_episodes):
    episode_reward = 0
    state = MultiAgentStateWithDelay(device,args,env.reset(),prev_state=None)
    done = False
    while not done:
        action = learner.select_action(state)
        next_state,reward,done,_ = env.step(action.cpu().numpy())
        next_state = MultiAgentStateWithDelay(device,next_state,prev_state=state)
        episode_reward += reward
        state = next_state
        if render:
            env.render()
    print(episode_reward)
env.close()**

2：健身房环境代码： flocking_relative.py 中 https://github.com/katetolstaya/gym-flock/tree/stable/gym_flock/envs/flocking

    def step(self,u):

    #u = np.reshape(u,(-1,2))
    assert u.shape == (self.n_agents,self.nu)
    #u = np.clip(u,a_min=-self.max_accel,a_max=self.max_accel)
    self.u = u * self.action_scalar

    # x position
    self.x[:,0] = self.x[:,0] + self.x[:,2] * self.dt + self.u[:,0] * self.dt * self.dt * 0.5
    # y position
    self.x[:,1] = self.x[:,1] + self.x[:,3] * self.dt + self.u[:,1] * self.dt * self.dt * 0.5
    # x veLocity
    self.x[:,2] = self.x[:,2] + self.u[:,0] * self.dt
    # y veLocity
    self.x[:,3] = self.x[:,3] + self.u[:,1] * self.dt

    self.compute_helpers()

    return (self.state_values,self.state_network),self.instant_cost(),**False**,{}

对于 test_model.py 中的 while 循环来中断和重置环境， done 在某些时候应该是 True 。 然而，env.step(code part 2)中的代码总是在done位置返回False。

当 env.step 总是返回 False 时，这个循环如何中断？ 我已经测试并确认此代码工作正常， 但很难理解如何。

请在RL和健身房有经验的人帮助我 预先非常感谢您

解决方法

https://github.com/katetolstaya/gym-flock/blob/stable/gym_flock/__init__.py#L65

在上面的文件中：

register(
    id='FlockingLeader-v0',entry_point='gym_flock.envs.flocking:FlockingLeaderEnv',max_episode_steps=200,)

随着步数变为 max_episode_steps， 步骤中的 False 返回 True