体育馆（openAI）环境活动空间取决于实际状态

Question

我正在使用Gym工具包来创建自己的环境，并使用keras-rl在代理中使用我的环境。 问题是我的动作空间发生变化，这取决于实际状态。 例如，我有46种可能的动作，但是在某种状态下，只有7种可用，而我无法找到对其进行建模的方法。

我已经阅读了问题open-ai-enviroment-with-changing-action-space-after-each-step

但这不能解决我的问题。

“健身房文档”中没有执行此操作的说明，只有Github存储库上的一个问题（仍未解决）。 我不了解代理（keras-rl，dqn代理）如何采取行动，是随机选择的吗？但是从哪里来？

有人可以帮我吗？想法？

Answer 1

我已经解决了这一问题，只是忽略了任何无效动作，而让探索机制阻止其卡住。快速，简单，但可能是更好的方法。

我认为更好的选择是以某种方式将选择该动作的可能性设置为零，但是我一直很难弄清楚该怎么做。