倒立摆

../../../_images/cart_pole.gif

此环境属于经典控制环境,其中包含有关该环境的通用信息。

动作空间

离散(2)

观测空间

Box([-4.8 -inf -0.41887903 -inf], [4.8 inf 0.41887903 inf], (4,), float32)

import

gymnasium.make("CartPole-v1")

描述

该环境对应于 Barto、Sutton 和 Anderson 在“可以解决困难学习控制问题的神经元状自适应元件”中描述的倒立摆问题。一个杆通过一个未驱动的关节连接到一辆小车上,小车沿无摩擦轨道移动。摆锤垂直放置在小车上,目标是通过向小车施加左右方向的力来平衡摆锤。

动作空间

动作是一个ndarray,形状为(1,),可以取值为{0, 1},表示小车被施加的固定力的方向。

  • 0: 向左推动小车

  • 1: 向右推动小车

注意:施加的力所减小或增加的速度不是固定的,它取决于杆的指向角度。杆的重心会改变在杆下方移动小车所需的能量。

观测空间

观测是一个ndarray,形状为(4,),其值对应于以下位置和速度:

编号

观测

最小值

最大值

0

小车位置

-4.8

4.8

1

小车速度

-无穷

无穷

2

杆角度

~ -0.418 弧度 (-24°)

~ 0.418 弧度 (24°)

3

杆角速度

-无穷

无穷

注意:虽然上述范围表示每个元素观测空间的可能值,但这并不反映未终止回合中状态空间的允许值。特别是:

  • 小车 x 坐标(索引 0)可以在(-4.8, 4.8)之间取值,但如果小车超出(-2.4, 2.4)范围,则回合终止。

  • 杆角度可以在(-.418, .418)弧度(或±24°)之间观测,但如果杆角度不在(-.2095, .2095)(或±12°)范围内,则回合终止。

奖励

由于目标是尽可能长时间地保持杆直立,默认情况下,每走一步(包括终止步)都会获得+1的奖励。由于环境的时间限制,v1 版本的默认奖励阈值为 500,v0 版本为 200。

如果sutton_barto_reward=True,则对于每个非终止步奖励0,对于终止步奖励-1。因此,v0 和 v1 版本的奖励阈值为 0。

起始状态

所有观测值都被赋予一个在(-0.05, 0.05)之间均匀随机的值。

回合结束

如果发生以下任一情况,回合结束:

  1. 终止:杆角度大于 ±12°

  2. 终止:小车位置大于 ±2.4(小车中心到达显示器边缘)

  3. 截断:回合长度大于 500(v0 版本为 200)

参数

倒立摆只将render_mode作为gymnasium.make的一个关键字参数。在重置时,options参数允许用户更改用于确定新随机状态的边界。

>>> import gymnasium as gym
>>> env = gym.make("CartPole-v1", render_mode="rgb_array")
>>> env
<TimeLimit<OrderEnforcing<PassiveEnvChecker<CartPoleEnv<CartPole-v1>>>>>
>>> env.reset(seed=123, options={"low": -0.1, "high": 0.1})  # default low=-0.05, high=0.05
(array([ 0.03647037, -0.0892358 , -0.05592803, -0.06312564], dtype=float32), {})

参数

类型

默认值

描述

sutton_barto_reward

bool

False

如果为True,则奖励函数与原始的 Sutton Barto 实现匹配。

向量化环境

为了增加每秒的步数,用户可以使用自定义向量环境或环境向量化器。

>>> import gymnasium as gym
>>> envs = gym.make_vec("CartPole-v1", num_envs=3, vectorization_mode="vector_entry_point")
>>> envs
CartPoleVectorEnv(CartPole-v1, num_envs=3)
>>> envs = gym.make_vec("CartPole-v1", num_envs=3, vectorization_mode="sync")
>>> envs
SyncVectorEnv(CartPole-v1, num_envs=3)

版本历史

  • v1: max_time_steps提升至 500。

    • 在 Gymnasium 1.0.0a2中,添加了sutton_barto_reward参数(相关GitHub 问题)。

  • v0: 初始版本发布。