OpenAI Gym 源码阅读：创建自定义强化学习环境 - 乐聚社区

本文来源：乐聚机器人王松博士《OpenAI Gym 源码阅读：创建自定义强化学习环境》

Gym（https://gym.openai.com/）是一套开发强化学习算法的工具箱，包含了一系列内置的环境（https://gym.openai.com/docs/#environments），结合强化学习算法就可以对内置的环境进行求解。

上传

点击文件名下载附件

例如，调用 CartPole-v0 环境的示例如下：

(, 下载次数: 276)

上传

点击文件名下载附件

Gym 仿真主要包括：

导入环境 gym.make(CartPole-v0)
初始化环境 env.reset()，将强化学习环境设置为初始状态
一步仿真 env.step(action)，输入动作，获得环境反馈
渲染可视化当前状态 env.render()

虽然 Gym 内置了大量强化学习环境，如果想训练自定义的强化学习问题，就必须要创建自定义的强化学习环境。

源码解析

根据上一节的 Gym 主要函数调用接口，CartPoleEnv（https://github.com/openai/gym/blob/master/gym/envs/classic_control/cartpole.py）继承了基类 gym.Env（https://github.com/openai/gym/blob/master/gym/core.py），里面定义了主要的 API 方法：

step
reset
render
close
seed

创建了自定义的环境，需要由 gym/envs/init.py（https://github.com/openai/gym/blob/master/gym/envs/__init__.py）进行注册，注册 id 名，指定路径gym.envs.classic_control:CartPoleEnv 和其他参数。

(, 下载次数: 320)