随机代理山地车

Question

我正在随机代理上评估 'env =gym.make('MountainCar-v0', render_mode='rgb_array')' 并获得 100% 的成功率，这很奇怪，你能指导我吗？

意味着汽车位置始终大于 0.5，这是目标。

代码：

env = gym.make('MountainCar-v0', render_mode='rgb_array')
state, _ = env.reset()
max_position = -99
done = False
while not done:
    action = env.action_space.sample()
    next_state, reward, done, trun, info = env.step(action)
    
    if next_state[0] > max_position:
        max_position = next_state[0]
         
print(next_state[0], max_position)

0.50212365 0.50212365

我与其他问题相比，他们使用随机代理获得了 0% 的成功率

Answer 1

不知道我理解是否正确，但我检查了山车环境。目标是达到大于 0.5 的状态值

while

循环仅在

done==true

时结束。仅当步骤函数返回大于 0.5 的 next_state 值时，布尔值 done 才为 true。

这就是为什么 max_position 始终大于 0.5，即使操作是随机选择的。智能体随机行动，直到随意达到目标。直到找到大于 0.5 的值之前循环才会结束。如果根据获得的知识（强化学习）而不是随机选择动作，循环会更快。