reinforcement-learning - 如何在OpenAI的体育馆中注册自定义环境？

Question

根据OpenAI Gym框架，我已经创建了一个自定义环境；包含step，reset，action和reward函数。我的目标是在此自定义环境上运行OpenAI基准。但是在此之前，必须在OpenAI Gym上注册环境。我想知道如何在OpenAI Gym上注册自定义环境？另外，我是否应该修改OpenAI基准代码以纳入此标准？

Answer 1

您不需要修改基准存储库。

这是一个最小的示例。假设您拥有myenv.py，具有所有必需的功能(step，reset，...)。类环境的名称是MyEnv，您想将其添加到classic_control文件夹中。你必须

将myenv.py文件放置在gym/gym/envs/classic_control

中

添加到__init__.py(位于同一文件夹中)
from gym.envs.classic_control.myenv import MyEnv

通过添加gym/gym/envs/__init__.py注册环境

gym.envs.register(
     id='MyEnv-v0',
     entry_point='gym.envs.classic_control:MyEnv',
     max_episode_steps=1000,
)

在注册时，您还可以添加reward_threshold和kwargs(如果您的类带有一些参数)。
您也可以在将要运行的脚本(TRPO，PPO或其他任何一种)中直接注册环境，而不是在gym/gym/envs/__init__.py中进行注册。

编辑

这是创建LQR环境的最小示例。

将下面的代码保存在lqr_env.py中，并将其放置在Gym的classic_control文件夹中。

import gym
from gym import spaces
from gym.utils import seeding
import numpy as np

class LqrEnv(gym.Env):

    def __init__(self, size, init_state, state_bound):
        self.init_state = init_state
        self.size = size 
        self.action_space = spaces.Box(low=-state_bound, high=state_bound, shape=(size,))
        self.observation_space = spaces.Box(low=-state_bound, high=state_bound, shape=(size,))
        self._seed()

    def _seed(self, seed=None):
        self.np_random, seed = seeding.np_random(seed)
        return [seed]

    def _step(self,u):
        costs = np.sum(u**2) + np.sum(self.state**2)
        self.state = np.clip(self.state + u, self.observation_space.low, self.observation_space.high)
        return self._get_obs(), -costs, False, {}

    def _reset(self):
        high = self.init_state*np.ones((self.size,))
        self.state = self.np_random.uniform(low=-high, high=high)
        self.last_u = None
        return self._get_obs()

    def _get_obs(self):
        return self.state

将from gym.envs.classic_control.lqr_env import LqrEnv添加到__init__.py(也在classic_control中)。

在脚本中，当您创建环境时，请执行

gym.envs.register(
     id='Lqr-v0',
     entry_point='gym.envs.classic_control:LqrEnv',
     max_episode_steps=150,
     kwargs={'size' : 1, 'init_state' : 10., 'state_bound' : np.inf},
)
env = gym.make('Lqr-v0')