[英]RL Algorithm successfully played openai gym CartPole-v1, but fails on atari Boxing-ram-v0
我最近實現了 ppo 算法他在 CartPole-v1 中運行良好但在 Boxing-ram-v0 中不起作用 有人能解釋一下嗎？
有人可以解釋嗎？
我認為您的 model 的問題在於所有時間步的代理動作幾乎相同。 這可能是因為神經網絡變得飽和。 在 CartPole 環境中，所有維度的狀態都在 [-,1,1] 范圍內，但在 Boxing-ram-v0 環境中則不然。 因此，在將它們存儲在緩沖區中之前，您可能應該將狀態標准化為范圍 [-1,1]。
希望這可以幫助！
OpenAI Gym Cartpole-v0了解觀察與動作的關系
[英]OpenAI gym cartpole-v0 understanding observation and action relationship
gym.make（'CartPole-v0'）返回什么以及它如何工作？
[英]What does gym.make('CartPole-v0') return and how it does it work?
如何在 linux 上安裝 OpenAi 的 Gym Atari 依賴項？
[英]How to install the OpenAi's Gym Atari dependencies on linux?
如何解釋 OpenAI 健身房中 RAM 環境的觀察結果？
[英]How to interpret the observations of RAM environments in OpenAI gym?
如何在 openai-gym、強化學習的 Bipedalwalker-v3 中獲得目標 Q 值？
[英]How do I get Target Q-values in Bipedalwalker-v3 in openai-gym, reinforcement learning?
如何使用具有 Openai 穩定基線 RL 算法的自定義 Openai 健身房環境？
[英]How to use a custom Openai gym environment with Openai stable-baselines RL algorithms?
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
