如何将奖励纳入学习过程？

问题描述

我在一个环境中尝试使用 baseline3 库学习系统动力学。由于我的例子比较大，我用下面的例子来说明我遇到的问题。

问题

1. 环境改写实际上在哪些地方融入了学习过程？

2. 奖励有上下限吗？

我的代码：

from stable_baselines.common.policies import MlpPolicy
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2

env = gym.make('CartPole-v1')
   

model = PPO2(MlpPolicy,env,verbose=1)
model.learn(total_timesteps=10000)

obs = env.reset()
for i in range(1000):
    action,_states = model.predict(obs)
    obs,rewards,dones,info = env.step(action)
    env.render()

我还没有找到任何关于此的信息。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）