OpenAI Gym的step
函数是与环境进行交互的主要接口,它会根据不同的版本返回不同数量和类型的值。以下是根据搜索结果中提供的信息,不同版本Gym中step
函数的返回值情况:
-
在Gym的早期版本中,
step
函数返回四个值:observation
(ObsType): 环境的新状态。reward
(float): 执行上一个动作后获得的即时奖励。done
(bool): 表示该回合是否结束,如果是True,则表示环境已经达到了终止状态。info
(dict): 包含有关当前回合的其他信息。
-
从Gym版本0.26开始,
step
函数的API更新为返回五个值,明确包含了终止(termination)和截断(truncation)信息:observation
(ObsType): 环境的新状态。reward
(float): 执行上一个动作后获得的即时奖励。termination
(bool): 表示该回合是否因为达到了某种终止条件而结束,例如,达到了最大步数限制。truncation
(bool): 表示该回合是否因为超时或其他外部因素而被提前截断。info
(dict): 包含有关当前回合的其他信息。