LunarLander-v2 的8个状态4个动作

    LunarLander-v2是强化学习常用的例子,根据官方文档,对它的描述大致为:“着陆平台始终位于坐标(0,0)。坐标是状态向量的前两个数字。从屏幕顶部移动到着陆台和零速度的奖励大约是100到140分。如果着陆器离开着陆台,它将失去回报。如果着陆器坠毁或停止,则回合结束,获得额外的-100或+100点。每脚接地为+10。点火主机每帧-0.3分。正解为200分。可以在着陆平台外着陆。燃料是无限的,所以智能体可以学会飞行,然后在第一次尝试时降落。四个独立的行动可用:什么都不做,发动左方向引擎,发动主机,发动右方向引擎

    LunarLander-v2 有8个状态,根据其源代码可知分别为:

  1. 水平坐标x
  2. 垂直坐标y
  3. 水平速度
  4. 垂直速度
  5. 角度
  6. 角速度
  7. 腿1触地
  8. 腿2触地

 

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值