python - 为什么 episode 在 200 个时间步之后完成(Gym 环境 MountainCar)？

Question

当在 Python 中使用来自 OpenAI-gym 的 MountainCar-v0 环境时， done 的值将在 200 个时间步后为真。这是为什么？由于未达到目标状态，因此不应完成该剧集。

import gym
env = gym.make('MountainCar-v0')
env.reset()
for _ in range(300):
    env.render()
    res = env.step(env.action_space.sample())
    print(_)
    print(res[2])

我想运行 step 方法直到汽车到达标志，然后中断 for 循环。这可能吗？类似这样的东西:

n_episodes = 10
done = False
for i in range(n_episodes):
    env.reset()
    while done == False:
        env.render()
        state, reward, done, _ = env.step(env.action_space.sample())

Answer 1

即使您不使用 env.monitor，当前最新版本的健身房也会在 200 步内强制停止环境。 为避免这种情况，请使用 env = gym.make("MountainCar-v0").env