观察包装器

class gymnasium.ObservationWrapper(env: Env[ObsType, ActType])

使用 observation() 函数修改来自 Env.reset() 和 Env.step() 的观察。

如果你想在将观察传递给学习代码之前只对观察应用一个函数，你可以简单地继承 ObservationWrapper 并重写 observation() 方法来实现该转换。该方法中定义的转换必须与 env 观察空间相符。否则，你需要在包装器的 __init__() 方法中通过设置 self.observation_space 来指定包装器的新观察空间。

参数:

env – 要被包装的环境。

observation(observation: ObsType) → WrapperObsType

返回一个修改后的观察。

参数:

observation – env 的观察

返回:

修改后的观察

已实现的包装器

class gymnasium.wrappers.TransformObservation(env: Env[ObsType, ActType], func: Callable[[ObsType], Any], observation_space: Space[WrapperObsType] | None)

对从环境的 Env.reset() 和 Env.step() 接收到的 observation 应用一个函数，并将其返回给用户。

函数 func 将应用于所有观察。如果 func 的观察超出了 env 的观察空间的边界，请提供更新的 observation_space。

此包装器的向量版本存在于 gymnasium.wrappers.vector.TransformObservation。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import TransformObservation
>>> import numpy as np
>>> np.random.seed(0)
>>> env = gym.make("CartPole-v1")
>>> env.reset(seed=42)
(array([ 0.0273956 , -0.00611216,  0.03585979,  0.0197368 ], dtype=float32), {})
>>> env = gym.make("CartPole-v1")
>>> env = TransformObservation(env, lambda obs: obs + 0.1 * np.random.random(obs.shape), env.observation_space)
>>> env.reset(seed=42)
(array([0.08227695, 0.06540678, 0.09613613, 0.07422512]), {})

更改日志

• v0.15.4 - 初次添加

• v1.0.0 - 添加 observation_space 的要求

参数:

• env – 要包装的环境

• func – 将转换观察的函数。如果此转换后的观察超出了 env.observation_space 的观察空间，则提供一个 observation_space。

• observation_space – 包装器的观察空间，如果为 None，则假定与 env.observation_space 相同。

class gymnasium.wrappers.DelayObservation(env: Env[ObsType, ActType], delay: int)

为环境返回的观察添加延迟。

在达到 delay 个时间步之前，返回的观察是与观察空间形状相同的零数组。

此包装器没有向量版本。

注意

这不支持随机延迟值，如果用户对此感兴趣，请提出问题或拉取请求以添加此功能。

示例

>>> import gymnasium as gym
>>> env = gym.make("CartPole-v1")
>>> env.reset(seed=123)
(array([ 0.01823519, -0.0446179 , -0.02796401, -0.03156282], dtype=float32), {})

>>> env = DelayObservation(env, delay=2)
>>> env.reset(seed=123)
(array([0., 0., 0., 0.], dtype=float32), {})
>>> env.step(env.action_space.sample())
(array([0., 0., 0., 0.], dtype=float32), 1.0, False, False, {})
>>> env.step(env.action_space.sample())
(array([ 0.01823519, -0.0446179 , -0.02796401, -0.03156282], dtype=float32), 1.0, False, False, {})

更改日志

• v1.0.0 - 初次添加

参数:

• env – 要包装的环境

• delay – 延迟观察的时间步数

class gymnasium.wrappers.DtypeObservation(env: Env[ObsType, ActType], dtype: Any)

将观察数组的数据类型修改为指定的数据类型。

注意

这仅与 Box、Discrete、MultiDiscrete 和 MultiBinary 观察空间兼容。

此包装器的向量版本存在于 gymnasium.wrappers.vector.DtypeObservation。

更改日志

• v1.0.0 - 初次添加

参数:

• env – 要包装的环境

• dtype – 观察的新数据类型

class gymnasium.wrappers.FilterObservation(env: Env[ObsType, ActType], filter_keys: Sequence[str | int])

根据一组键或索引过滤 Dict 或 Tuple 观察空间。

此包装器的向量版本存在于 gymnasium.wrappers.vector.FilterObservation。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import FilterObservation
>>> env = gym.make("CartPole-v1")
>>> env = gym.wrappers.TimeAwareObservation(env, flatten=False)
>>> env.observation_space
Dict('obs': Box([-4.8               -inf -0.41887903        -inf], [4.8               inf 0.41887903        inf], (4,), float32), 'time': Box(0, 500, (1,), int32))
>>> env.reset(seed=42)
({'obs': array([ 0.0273956 , -0.00611216,  0.03585979,  0.0197368 ], dtype=float32), 'time': array([0], dtype=int32)}, {})
>>> env = FilterObservation(env, filter_keys=['time'])
>>> env.reset(seed=42)
({'time': array([0], dtype=int32)}, {})
>>> env.step(0)
({'time': array([1], dtype=int32)}, 1.0, False, False, {})

更改日志

• v0.12.3 - 初次添加，原名 FilterObservationWrapper

• v1.0.0 - 重命名为 FilterObservation 并添加对带有整数 filter_keys 的元组观察空间的支持。

参数:

• env – 要包装的环境

• filter_keys – 要“包含”的子空间集合，对于 Dict 空间使用字符串列表，对于 Tuple 空间使用整数。

class gymnasium.wrappers.FlattenObservation(env: Env[ObsType, ActType])

展平环境的观察空间以及来自 reset 和 step 函数的每个观察。

此包装器的向量版本存在于 gymnasium.wrappers.vector.FlattenObservation。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import FlattenObservation
>>> env = gym.make("CarRacing-v3")
>>> env.observation_space.shape
(96, 96, 3)
>>> env = FlattenObservation(env)
>>> env.observation_space.shape
(27648,)
>>> obs, _ = env.reset()
>>> obs.shape
(27648,)

更改日志

• v0.15.0 - 初次添加

参数:

env – 要包装的环境

class gymnasium.wrappers.FrameStackObservation(env: Env[ObsType, ActType], stack_size: int, *, padding_type: str | ObsType = 'reset')

以滚动方式堆叠过去 N 个时间步的观察。

例如，如果堆叠数为 4，则返回的观察包含最近的 4 个观察。对于环境“Pendulum-v1”，原始观察是一个形状为 [3] 的数组，如果我们堆叠 4 个观察，则处理后的观察形状为 [4, 3]。

用户可以选择用于填充的观察值。

• “reset”（默认） - 重置值重复。

• “zero” - 观察空间的“零”实例。

• 自定义 - 观察空间的一个实例。

此包装器没有向量版本。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import FrameStackObservation
>>> env = gym.make("CarRacing-v3")
>>> env = FrameStackObservation(env, stack_size=4)
>>> env.observation_space
Box(0, 255, (4, 96, 96, 3), uint8)
>>> obs, _ = env.reset()
>>> obs.shape
(4, 96, 96, 3)

使用不同填充观察的示例

>>> env = gym.make("CartPole-v1")
>>> env.reset(seed=123)
(array([ 0.01823519, -0.0446179 , -0.02796401, -0.03156282], dtype=float32), {})
>>> stacked_env = FrameStackObservation(env, 3)   # the default is padding_type="reset"
>>> stacked_env.reset(seed=123)
(array([[ 0.01823519, -0.0446179 , -0.02796401, -0.03156282],
       [ 0.01823519, -0.0446179 , -0.02796401, -0.03156282],
       [ 0.01823519, -0.0446179 , -0.02796401, -0.03156282]],
      dtype=float32), {})

>>> stacked_env = FrameStackObservation(env, 3, padding_type="zero")
>>> stacked_env.reset(seed=123)
(array([[ 0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.01823519, -0.0446179 , -0.02796401, -0.03156282]],
      dtype=float32), {})
>>> stacked_env = FrameStackObservation(env, 3, padding_type=np.array([1, -1, 0, 2], dtype=np.float32))
>>> stacked_env.reset(seed=123)
(array([[ 1.        , -1.        ,  0.        ,  2.        ],
       [ 1.        , -1.        ,  0.        ,  2.        ],
       [ 0.01823519, -0.0446179 , -0.02796401, -0.03156282]],
      dtype=float32), {})

更改日志

• v0.15.0 - 初次添加为 FrameStack，支持 lz4。

• v1.0.0 - 重命名为 FrameStackObservation，并移除 lz4 和 LazyFrame 支持，

  同时添加 padding_type 参数。

参数:

• env – 要应用包装器的环境

• stack_size – 要堆叠的帧数。

• padding_type – 堆叠观察时使用的填充类型，选项：“reset”、“zero”、自定义观察。

class gymnasium.wrappers.GrayscaleObservation(env: Env[ObsType, ActType], keep_dim: bool = False)

将由 reset 和 step 计算的图像观察从 RGB 转换为灰度。

keep_dim 将保留通道维度。

此包装器的向量版本存在于 gymnasium.wrappers.vector.GrayscaleObservation。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import GrayscaleObservation
>>> env = gym.make("CarRacing-v3")
>>> env.observation_space.shape
(96, 96, 3)
>>> grayscale_env = GrayscaleObservation(env)
>>> grayscale_env.observation_space.shape
(96, 96)
>>> grayscale_env = GrayscaleObservation(env, keep_dim=True)
>>> grayscale_env.observation_space.shape
(96, 96, 1)

更改日志

• v0.15.0 - 初次添加，原名 GrayScaleObservation

• v1.0.0 - 重命名为 GrayscaleObservation

参数:

• env – 要包装的环境

• keep_dim – 是否在观察中保留通道，如果为 True，则 obs.shape == 3，否则 obs.shape == 2。

class gymnasium.wrappers.MaxAndSkipObservation(env: Env[ObsType, ActType], skip: int = 4)

跳过第 N 帧（观察）并返回最后两个观察之间的最大值。

此包装器没有向量版本。

注意

此包装器基于 [stable-baselines3](https://stable-baselines3.readthedocs.io/en/master/_modules/stable_baselines3/common/atari_wrappers.html#MaxAndSkipEnv) 中的包装器。

示例

>>> import gymnasium as gym
>>> env = gym.make("CartPole-v1")
>>> obs0, *_ = env.reset(seed=123)
>>> obs1, *_ = env.step(1)
>>> obs2, *_ = env.step(1)
>>> obs3, *_ = env.step(1)
>>> obs4, *_ = env.step(1)
>>> skip_and_max_obs = np.max(np.stack([obs3, obs4], axis=0), axis=0)
>>> env = gym.make("CartPole-v1")
>>> wrapped_env = MaxAndSkipObservation(env)
>>> wrapped_obs0, *_ = wrapped_env.reset(seed=123)
>>> wrapped_obs1, *_ = wrapped_env.step(1)
>>> np.all(obs0 == wrapped_obs0)
np.True_
>>> np.all(wrapped_obs1 == skip_and_max_obs)
np.True_

更改日志

• v1.0.0 - 初次添加

参数:

• env (Env) – 要应用包装器的环境

• skip – 要跳过的帧数

class gymnasium.wrappers.NormalizeObservation(env: Env[ObsType, ActType], epsilon: float = 1e-8)

将观察归一化，使其以均值为中心，并具有单位方差。

属性 update_running_mean 允许冻结/继续观察统计量的运行均值计算。如果为 True（默认），则每次调用 step 或 reset 时，RunningMeanStd 都将更新。如果为 False，则使用计算出的统计量，但不再更新；这可以在评估期间使用。

此包装器的向量版本存在于 gymnasium.wrappers.vector.NormalizeObservation。

注意

归一化取决于过去的轨迹，如果包装器是新实例化的或策略最近已更改，则观察将不会正确归一化。

示例

>>> import numpy as np
>>> import gymnasium as gym
>>> env = gym.make("CartPole-v1")
>>> obs, info = env.reset(seed=123)
>>> term, trunc = False, False
>>> while not (term or trunc):
...     obs, _, term, trunc, _ = env.step(1)
...
>>> obs
array([ 0.1511158 ,  1.7183299 , -0.25533703, -2.8914354 ], dtype=float32)
>>> env = gym.make("CartPole-v1")
>>> env = NormalizeObservation(env)
>>> obs, info = env.reset(seed=123)
>>> term, trunc = False, False
>>> while not (term or trunc):
...     obs, _, term, trunc, _ = env.step(1)
>>> obs
array([ 2.0059888,  1.5676788, -1.9944268, -1.6120394], dtype=float32)

更改日志

• v0.21.0 - 初次添加

• v1.0.0 - 添加 update_running_mean 属性以允许禁用运行均值/标准差的更新，这在评估时特别有用。

  将所有观察转换为 np.float32，并将观察空间的低/高值设置为 -np.inf 和 np.inf，数据类型设置为 np.float32。

参数:

• env (Env) – 要应用包装器的环境

• epsilon – 用于缩放观察的稳定性参数。

class gymnasium.wrappers.AddRenderObservation(env: Env[ObsType, ActType], render_only: bool = True, render_key: str = 'pixels', obs_key: str = 'state')

将渲染的观察包含在环境的观察中。

注意

此包装器以前称为 PixelObservationWrapper。

此包装器没有向量版本。

示例 - 用渲染图像替换观察

>>> env = gym.make("CartPole-v1", render_mode="rgb_array")
>>> env = AddRenderObservation(env, render_only=True)
>>> env.observation_space
Box(0, 255, (400, 600, 3), uint8)
>>> obs, _ = env.reset(seed=123)
>>> image = env.render()
>>> np.all(obs == image)
np.True_
>>> obs, *_ = env.step(env.action_space.sample())
>>> image = env.render()
>>> np.all(obs == image)
np.True_

示例 - 将渲染图像作为字典项添加到原始观察中

>>> env = gym.make("CartPole-v1", render_mode="rgb_array")
>>> env = AddRenderObservation(env, render_only=False)
>>> env.observation_space
Dict('pixels': Box(0, 255, (400, 600, 3), uint8), 'state': Box([-4.8               -inf -0.41887903        -inf], [4.8               inf 0.41887903        inf], (4,), float32))
>>> obs, info = env.reset(seed=123)
>>> obs.keys()
dict_keys(['state', 'pixels'])
>>> obs["state"]
array([ 0.01823519, -0.0446179 , -0.02796401, -0.03156282], dtype=float32)
>>> np.all(obs["pixels"] == env.render())
np.True_
>>> obs, reward, terminates, truncates, info = env.step(env.action_space.sample())
>>> image = env.render()
>>> np.all(obs["pixels"] == image)
np.True_

更改日志

• v0.15.0 - 初次添加为 PixelObservationWrapper

• v1.0.0 - 重命名为 AddRenderObservation

参数:

• env – 要包装的环境。

• render_only (bool) – 如果为 True（默认），则将丢弃包装环境返回的原始观察，并且字典观察将仅包含像素。如果为 False，则观察字典将同时包含原始观察和像素观察。

• render_key – 可选的自定义字符串，指定像素键。默认为“pixels”。

• obs_key – 可选的自定义字符串，指定观察键。默认为“state”。

class gymnasium.wrappers.ResizeObservation(env: Env[ObsType, ActType], shape: tuple[int, int])

使用 OpenCV 将图像观察调整为指定形状。

此包装器的向量版本存在于 gymnasium.wrappers.vector.ResizeObservation。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import ResizeObservation
>>> env = gym.make("CarRacing-v3")
>>> env.observation_space.shape
(96, 96, 3)
>>> resized_env = ResizeObservation(env, (32, 32))
>>> resized_env.observation_space.shape
(32, 32, 3)

更改日志

• v0.12.6 - 初次添加

• v1.0.0 - 要求 shape 为包含两个整数的元组。

参数:

• env – 要包装的环境

• shape – 调整后的观察形状

class gymnasium.wrappers.ReshapeObservation(env: Env[ObsType, ActType], shape: int | tuple[int, ...])

将基于数组的观察重塑为指定形状。

此包装器的向量版本存在于 gymnasium.wrappers.vector.RescaleObservation。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import ReshapeObservation
>>> env = gym.make("CarRacing-v3")
>>> env.observation_space.shape
(96, 96, 3)
>>> reshape_env = ReshapeObservation(env, (24, 4, 96, 1, 3))
>>> reshape_env.observation_space.shape
(24, 4, 96, 1, 3)

更改日志

• v1.0.0 - 初次添加

参数:

• env – 要包装的环境

• shape – 重塑后的观察空间

class gymnasium.wrappers.RescaleObservation(env: Env[ObsType, ActType], min_obs: floating | integer | ndarray, max_obs: floating | integer | ndarray)

将环境的 Box 观察空间进行仿射（线性）重新缩放，使其范围在 [min_obs, max_obs] 之间。

对于原始观察空间中无界的组件，相应的目标边界也必须是无限的，反之亦然。

此包装器的向量版本存在于 gymnasium.wrappers.vector.RescaleObservation。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import RescaleObservation
>>> env = gym.make("Pendulum-v1")
>>> env.observation_space
Box([-1. -1. -8.], [1. 1. 8.], (3,), float32)
>>> env = RescaleObservation(env, np.array([-2, -1, -10], dtype=np.float32), np.array([1, 0, 1], dtype=np.float32))
>>> env.observation_space
Box([ -2.  -1. -10.], [1. 0. 1.], (3,), float32)

更改日志

• v1.0.0 - 初次添加

参数:

• env – 要包装的环境

• min_obs – 新的最小观察边界

• max_obs – 新的最大观察边界

class gymnasium.wrappers.TimeAwareObservation(env: Env[ObsType, ActType], flatten: bool = True, normalize_time: bool = False, *, dict_time_key: str = 'time')

用一个情节中经过的时间步数来扩充观察。

normalize_time 参数如果为 True，则将时间表示为 [0,1] 之间的归一化值，否则如果为 False，则当前时间步是一个整数。

对于具有 Dict 观察空间的环境，时间信息会自动添加到键 “time” 中（可通过 dict_time_key 更改），对于具有 Tuple 观察空间的环境，时间信息作为元组的最后一个元素添加。否则，观察空间将转换为一个 Dict 观察空间，其中包含两个键：“obs”用于基本环境的观察，“time”用于时间信息。

要展平观察，请使用 flatten 参数，它将使用 gymnasium.spaces.utils.flatten() 函数。

此包装器没有向量版本。

示例

>>> import gymnasium as gym
>>> from gymnasium.wrappers import TimeAwareObservation
>>> env = gym.make("CartPole-v1")
>>> env = TimeAwareObservation(env)
>>> env.observation_space
Box([-4.80000019        -inf -0.41887903        -inf  0.        ], [4.80000019e+00            inf 4.18879032e-01            inf
 5.00000000e+02], (5,), float64)
>>> env.reset(seed=42)[0]
array([ 0.0273956 , -0.00611216,  0.03585979,  0.0197368 ,  0.        ])
>>> _ = env.action_space.seed(42)
>>> env.step(env.action_space.sample())[0]
array([ 0.02727336, -0.20172954,  0.03625453,  0.32351476,  1.        ])

归一化时间观察空间示例

>>> env = gym.make('CartPole-v1')
>>> env = TimeAwareObservation(env, normalize_time=True)
>>> env.observation_space
Box([-4.8               -inf -0.41887903        -inf  0.        ], [4.8               inf 0.41887903        inf 1.        ], (5,), float32)
>>> env.reset(seed=42)[0]
array([ 0.0273956 , -0.00611216,  0.03585979,  0.0197368 ,  0.        ],
      dtype=float32)
>>> _ = env.action_space.seed(42)
>>> env.step(env.action_space.sample())[0]
array([ 0.02727336, -0.20172954,  0.03625453,  0.32351476,  0.002     ],
      dtype=float32)

展平观察空间示例

>>> env = gym.make("CartPole-v1")
>>> env = TimeAwareObservation(env, flatten=False)
>>> env.observation_space
Dict('obs': Box([-4.8               -inf -0.41887903        -inf], [4.8               inf 0.41887903        inf], (4,), float32), 'time': Box(0, 500, (1,), int32))
>>> env.reset(seed=42)[0]
{'obs': array([ 0.0273956 , -0.00611216,  0.03585979,  0.0197368 ], dtype=float32), 'time': array([0], dtype=int32)}
>>> _ = env.action_space.seed(42)
>>> env.step(env.action_space.sample())[0]
{'obs': array([ 0.02727336, -0.20172954,  0.03625453,  0.32351476], dtype=float32), 'time': array([1], dtype=int32)}

更改日志

• v0.18.0 - 初次添加

• v1.0.0 - 移除向量环境支持，添加 flatten 和 normalize_time 参数。

参数:

• env – 要应用包装器的环境

• flatten – 将观察展平为单个维度的 Box。

• normalize_time – 如果为 True，则返回范围在 [0,1] 之间的时间；否则，返回时间为截断前剩余的时间步数。

• dict_time_key – 对于具有 Dict 观察空间的环境，时间空间的键。默认为“time”。