山地车

../../../_images/mountain_car.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(3)

观测空间

Box([-1.2 -0.07], [0.6 0.07], (2,), float32)

导入

gymnasium.make("MountainCar-v0")

描述

山地车 MDP 是一个确定性 MDP,其中一辆汽车随机放置在正弦波谷底部,唯一可能的动作是对汽车施加任意方向的加速度。该 MDP 的目标是策略性地加速汽车,以达到右侧山顶上的目标状态。Gymnasium 中山地车领域有两个版本:一个使用离散动作,一个使用连续动作。此版本使用离散动作。

此 MDP 最早出现在 Andrew Moore 的博士论文 (1990)

@TECHREPORT{Moore90efficientmemory-based,
    author = {Andrew William Moore},
    title = {Efficient Memory-based Learning for Robot Control},
    institution = {University of Cambridge},
    year = {1990}
}

观测空间

观测是一个形状为 ndarray(2,),其元素对应如下:

编号

观测

最小值

最大值

单位

0

汽车沿 x 轴的位置

-1.2

0.6

位置 (m)

1

汽车的速度

-0.07

0.07

速度 (v)

动作空间

有 3 种离散的确定性动作

  • 0: 向左加速

  • 1: 不加速

  • 2: 向右加速

转移动力学:

给定一个动作,山地车遵循以下转移动力学

velocityt+1 = velocityt + (action - 1) * force - cos(3 * positiont) * gravity

positiont+1 = positiont + velocityt+1

其中 force = 0.001,gravity = 0.0025。两端的碰撞都是非弹性的,与墙壁碰撞后速度设置为 0。位置被限制在 [-1.2, 0.6] 范围内,速度被限制在 [-0.07, 0.07] 范围内。

奖励:

目标是尽快到达右侧山顶上的旗帜,因此智能体在每个时间步都会被惩罚 -1 的奖励。

起始状态

汽车的位置被分配为 *[-0.6 , -0.4]* 中的均匀随机值。汽车的起始速度始终被设置为 0。

回合结束

如果发生以下任一情况,回合结束

  1. 终止:汽车位置大于或等于 0.5(右侧山顶上的目标位置)

  2. 截断:回合长度为 200。

参数

山地车环境有两个用于 gymnasium.make 的参数:render_modegoal_velocity。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("MountainCar-v0", render_mode="rgb_array", goal_velocity=0.1)  # default goal_velocity=0
>>> env
<TimeLimit<OrderEnforcing<PassiveEnvChecker<MountainCarEnv<MountainCar-v0>>>>>
>>> env.reset(seed=123, options={"x_init": np.pi/2, "y_init": 0.5})  # default x_init=np.pi, y_init=1.0
(array([-0.46352962,  0.        ], dtype=float32), {})

版本历史

  • v0: 初始版本发布