倒立摆¶

此环境是 Mujoco 环境的一部分，其中包含有关环境的常规信息。


动作空间	`Box(-3.0, 3.0, (1,), float32)`
观测空间	`Box(-inf, inf, (4,), float64)`
import	`gymnasium.make("InvertedPendulum-v5")`

描述¶

此环境是 Cartpole 环境，基于 Barto、Sutton 和 Anderson 在 “Neuronlike adaptive elements that can solve difficult learning control problems” 中的工作，就像在经典环境一样，但现在由 Mujoco 物理模拟器驱动 - 允许进行更复杂的实验（例如改变重力的影响）。此环境由一个可以线性移动的小车组成，一端连接着一根杆，另一端是自由端。小车可以向左或向右推动，目标是通过对小车施加力来平衡小车顶部的杆。

动作空间¶

智能体采取一个 1 元素向量作为动作。

动作空间是连续的 (action) 在 [-3, 3] 中，其中 action 表示施加在小车上的数值力（幅度表示力的大小，符号表示方向）

编号	动作	控制最小值	控制最大值	名称（在相应的 XML 文件中）	关节	类型（单位）
0	施加在小车上的力	-3	3	滑块	滑动	力 (N)

观测空间¶

观测空间由以下部分组成（按顺序）

qpos (2 元素): 机器人小车和杆的位置值。
qvel (2 元素): 小车和杆的速度（它们的导数）。

观测空间是一个 Box(-Inf, Inf, (4,), float64)，其中元素如下

编号	观测	最小值	最大值	名称（在相应的 XML 文件中）	关节	类型（单位）
0	小车沿线性表面的位置	-Inf	Inf	滑块	滑动	位置 (m)
1	杆在小车上的垂直角度	-Inf	Inf	铰链	铰链	角度 (rad)
2	小车的线速度	-Inf	Inf	滑块	滑动	速度 (m/s)
3	杆在小车上的角速度	-Inf	Inf	铰链	铰链	角速度 (rad/s)

奖励¶

目标是尽可能长时间地保持倒立摆直立（在一定的角度限制内）- 因此，对于杆直立的每个时间步，奖励 +1。

如果满足以下条件，则认为杆是直立的：\(|angle| < 0.2\)。

并且 info 也包含奖励。

起始状态¶

初始位置状态为 \(\mathcal{U}_{[-reset\_noise\_scale imes I_{2}, reset\_noise\_scale imes I_{2}]}\)。初始速度状态为 \(\mathcal{U}_{[-reset\_noise\_scale imes I_{2}, reset\_noise\_scale imes I_{2}]}\)。

其中 \(\mathcal{U}\) 是多元均匀连续分布。

Episode 结束¶

终止¶

当倒立摆不健康时，环境终止。如果发生以下任何一种情况，倒立摆被认为是不健康的

任何状态空间值不再是有限的。
杆与小车之间垂直角度的绝对值大于 0.2 弧度。

截断¶

一个 episode 的默认持续时间为 1000 个时间步。

参数¶

InvertedPendulum 提供了修改观测空间、奖励函数、初始状态和终止条件的一系列参数。这些参数可以在 gymnasium.make 中通过以下方式应用

import gymnasium as gym
env = gym.make('InvertedPendulum-v5', reset_noise_scale=0.1)

参数	类型	默认值	描述
`xml_file`	str	`"inverted_pendulum.xml"`	MuJoCo 模型的路径
`reset_noise_scale`	float	`0.01`	初始位置和速度的随机扰动的比例（参见 `起始状态` 部分）

版本历史¶

v5
- 最低 mujoco 版本现在为 2.3.3。
- 添加了对完全自定义/第三方 mujoco 模型使用 xml_file 参数的支持（以前只能对现有模型进行少量更改）。
- 添加了 default_camera_config 参数，一个用于设置 mj_camera 属性的字典，主要用于自定义环境。
- 添加了 env.observation_structure，一个用于指定观测空间组成的字典（例如 qpos， qvel），对于为 MuJoCo 环境构建工具和 wrappers 很有用。
- 添加了 frame_skip 参数，用于配置 dt （step() 的持续时间），默认值因环境而异，请查看环境文档页面。
- 修复了错误：healthy_reward 在每一步都会给出（即使倒立摆是不健康的），现在只有在倒立摆健康（未终止）时才会给出（相关的 GitHub issue）。
- 添加了 xml_file 参数。
- 添加了 reset_noise_scale 参数来设置初始状态的范围。
- 添加了 info["reward_survive"]，其中包含奖励。
v4：所有 MuJoCo 环境现在都使用 mujoco >= 2.1.3 中的 MuJoCo bindings。
v3：此环境没有 v3 版本。
v2：所有连续控制环境现在都使用 mujoco-py >= 1.5。
v1：对于基于机器人的任务（包括倒立摆），max_time_steps 提高到 1000。
v0：初始版本发布。