CartPole-v0的得分恰好是200

Question

我正在使用openai健身房提供的CartPole-v0。我注意到我的程序从未获得更高的200分。在某些时候，它停留在200而不再是。我想知道在openai健身房是否有任何可能错过的配置。有没有人发现这个问题？

Answer 1

{ "authMode": {}, "range": { "columnStart": 1, "rowStart": 1, "rowEnd": 1, "columnEnd": 1 }, "source": {}, "user": { "nickname": "### name ###", "email": "### email ###" } } 会为您的代理人“活着”的每一步提供$ip = $_SERVER['REMOTE_ADDR']; 奖励。

使用以下代码行注册环境：

checkHasFile() {
  var i = 0;
  for (var value of this.files.values()) {
    i++;
  }
  return i;
},

，在当前版本的存储库中，可以找到here。

CartPole-v0表示剧集在1.0步后自动终止。因此，您可以获得的最高分是register( id='CartPole-v0', entry_point='gym.envs.classic_control:CartPoleEnv', max_episode_steps=200, reward_threshold=195.0, ) 。