machine-learning - OpenAI Gym 环境 'CartPole-v0' 和 'CartPole-v1' 之间的差异

Question

我找不到 OpenAI Gym 环境“CartPole-v0”和“CartPole-v1”之间差异的准确描述。

这两种环境都有专门针对它们的单独的官方网站(请参阅 1 和 2 )，尽管我只能在gym github存储库中找到一个没有版本标识的代码(请参阅 3 )。我还检查了通过调试器加载的确切文件，尽管它们似乎都加载相同的上述文件。唯一的区别似乎在于它们内部分配的 max_episode_steps 和 reward_threshold，可以如下所示进行访问。 CartPole-v0 的值为 200/195.0，CartPole-v1 的值为 500/475.0。乍一看，其余部分似乎相同。

import gym

env = gym.make("CartPole-v1")
print(self.env.spec.max_episode_steps)
print(self.env.spec.reward_threshold)

因此，如果有人能为我描述确切的差异或将我转发到这样做的网站，我将不胜感激。非常感谢!

Answer 1

您可能已经注意到，在 OpenAI Gym 中有时同一环境有不同版本。不同版本通常共享主要环境逻辑，但某些参数配置有不同的值。这些版本是使用名为 the registry 的功能进行管理的。 .

如果是CartPole环境，可以在 this source code 中找到两个注册版本。从第50行到第65行可以看到，存在两个CartPole版本，分别标记为v0和v1，其区别在于参数max_episode_steps和reward_threshold:

register(
    id='CartPole-v0',
    entry_point='gym.envs.classic_control:CartPoleEnv',
    max_episode_steps=200,
    reward_threshold=195.0,
)

register(
    id='CartPole-v1',
    entry_point='gym.envs.classic_control:CartPoleEnv',
    max_episode_steps=500,
    reward_threshold=475.0,
)

这两个参数都证实了您对 CartPole-v0 和 CartPole-v1 之间差异的猜测。