WOLFRAM

Wolfram 语言与系统参考资料中心

"SimulatedCartPole" (强化的学习环境)

"SimulatedCartPole" 是一种强化学习环境，由一个连接在车上的铰链上的加重杆组成，它沿着无摩擦的轨道移动. 可以在每个时间步骤按 Left 或 Right 方向将力施加到车上. 目标是让中介向车施加适当的力以防止杆子翻倒. 在杆直立的每个时间步骤都提供 +1 的奖励. 当杆距垂直方向超过 15 度时，或者车从中心移动超过 2.4 个单位时，该事件被认为结束.
"SimulatedCartPole" 对应于 1983 年 Barto 等人描述的推车－杆问题. 它也等同于 OpenAI Gym 实施 "CartPole-v1".
杆子通过铰链附加在移动的车上.

范例

基本范例  (2)

打开 "SimulatedCartPole" 环境：

Wolfram Language code: env = DeviceOpen["SimulatedCartPole"]

观察初始状态：

Wolfram Language code: observe1 = DeviceRead[env]

可视化环境：

Wolfram Language code: DeviceExecute[env, "Render"]

获取随机行为：

Wolfram Language code: action = DeviceExecute[env, "RandomAction"]

接受随机行为：

Wolfram Language code: observe2 = DeviceExecute[env, "Step", action]

接受通常修改 "ObservedState" 的行为：

Wolfram Language code: observe1["ObservedState"] == observe2["ObservedState"]

重设环境为初始状态. 返回初始的 "ObservedState"：

Wolfram Language code: DeviceExecute[env, "Reset"]

关闭环境：

Wolfram Language code: DeviceClose[env]

打开 "SimulatedCartPole" 环境：

Wolfram Language code: env = DeviceOpen["SimulatedCartPole"]

可视化随机中介控制车：

Wolfram Language code: DeviceExecute[env, "Reset"];
Wolfram Language code: ListAnimate[Table[(DeviceExecute[env, "Step", DeviceExecute[env, "RandomAction"]];DeviceExecute[env, "Render"]), 30]]