Gym step函数返回值

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：

1. 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。

2. 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。