1 环境描述

Pendulum-v1 是一个经典的强化学习环境，属于 OpenAI Gym 库的一部分。这个环境模拟了一个倒立摆的问题，目标是通过施加适当的扭矩使摆杆保持在竖直向上的位置。

• 目标：控制摆杆使其保持在竖直向上的位置（即角度为 0 弧度）。

• 状态空间 (observation_space)：一个三维向量，包含以下信息：

  • theta：摆杆的角度（弧度），范围为 [-π, π]。
  • theta_dot：摆杆的角速度（弧度/秒），范围为 [-8, 8]。
  • cos(theta) 和 sin(theta)：这两个值通常用于表示角度，避免角度值的不连续性。

• 动作空间 (action_space)：一个一维向量，表示施加在摆杆上的扭矩：

  • 范围为 [-2, 2]（牛顿·米）。

• 奖励函数：每一步的奖励计算公式为：
  $$r=-({\theta }^2+0.1\cdot {\theta }_{\text{dot}}^2+0.001\cdot {\text{torque}}^2)$$
  其中：

  • $\theta$ 是摆杆的角度（弧度）。
  • ${\theta }_{\text{dot}}$ 是摆杆的角速度（弧度/秒）。
  • $\text{torque}$ 是施加的扭矩（牛顿·米）。

  最小的奖励是 -16.2736044，当摆杆处于竖直向下位置（$\theta =\pi$），角速度最大（${\theta }_{\text{dot}}=8$），并且施加最大扭矩（$\text{torque}=2$）时。
  最大的奖励是 0，当摆杆处于竖直向上位置（$\theta =0$），角速度为零（${\theta }_{\text{dot}}=0$），并且没有施加扭矩（$\text{torque}=0$）时。

• 初始状态：

  • 角度 $\theta$ 随机初始化在 $[-\pi ,\pi ]$ 范围内。
  • 角速度 ${\theta }_{\text{dot}}$ 随机初始化在 $[-1,1]$ 范围内。

• 终止条件：默认情况下，Pendulum-v1 环境没有明确的终止条件，通常会在达到最大步数（例如 200 步）后终止。

2 示例代码

以下是一个简单的示例代码，演示如何在 Pendulum-v1 环境中执行随机动作并观察环境的变化：

import gym
import numpy as np
import time

# 创建环境
env = gym.make('Pendulum-v1')
env.reset()

for _ in range(200):  # 运行200步
    
    # 随机选择一个动作
    action = env.action_space.sample()
    
    # 执行动作
    observation, reward, done, info = env.step(action)
    
    print(f"Observation: {observation}, Reward: {reward}, Done: {done}, Info: {info}")
    
    if done:
        print("Episode finished after {} timesteps".format(_ + 1))
        break

# 关闭环境
env.close()

• 总结

Pendulum-v1 是一个经典的控制问题，适用于测试和评估各种强化学习算法。通过控制施加在摆杆上的扭矩，使摆杆保持在竖直向上的位置，可以训练出高效的控制策略。