强化学习记录——gym中各种环境信息查看

一、gym中所有可以用的模拟环境

from gym import envs
for env in ():
    print()

二、环境展示

import gym
env = ('Pendulum-v0')
for i_episode in range(20):
    observation = ()
    for t in range(100):
        ()
        print(observation)
        action = env.action_space.sample()
        observation, reward, done, info = (action)
        if done:
            print("Episode finished after {} timesteps".format(t+1))
            break
()

三、其他环境参数

import gym
env = ('Pendulum-v0').unwrapped
print(env.action_space)  # 输出动作信息
#print(env.action_space.n)  # 输出动作个数
print(env.observation_space)  # 查看状态空间
print(env.observation_space.shape[0])  # 输出状态个数
print(env.observation_space.high)  # 查看状态的最高值
print(env.observation_space.low)  # 查看状态的最低值

四、各类环境

经典控制环境Classic control:入门

算法学习环境Algorithms

2D仿真环境Box2D

Mujoco环境

Atari

文本游戏环境Toy text

五、官网提供

gym入门、环境鸟瞰图：Gym

环境脚本：gym/gym/envs/classic_control at master · openai/gym · GitHub