RL 基础 | 如何使用 OpenAI Gym 接口，搭建自定义 RL 环境（详细版）

参考：

• 官方链接：Gym documentation | Make your own custom environment
• 腾讯云 | OpenAI Gym 中级教程——环境定制与创建
• 知乎 | 如何在 Gym 中注册自定义环境？
• g，写完了才发现自己曾经写过一篇：RL 基础 | 如何搭建自定义 gym 环境

（这篇博客适用于 gym 的接口，gymnasium 接口也差不多，只需详细看看接口定义 魔改一下即可）

安装 openai gym：

# pip install gym
import gym
from gym import spaces

需实现两个主要功能：

• env.__init__() 和 obs = env.reset() 函数；
• obs, reward, done, info = env.step(action) 函数。

01 env 的初始化与 reset

env.__init__() 函数：

• 输入是 env 的一些初始化条件，比如环境的地图多大、环境里有多少个金币以及每个金币的位置。如果只训练一个特定的任务，比如在 3×3 地图中吃右上角的一个金币，则这些设置都可以写死，不需要在 env 初始化时传递参数。
• 在 env.__init__() 函数中，需要定义 self.observation_space 和 self.action_space 。
  • 如果状态空间 / 动作空间是离散的，则使用 spaces.Discrete([space dim]) ；
  • 如果是连续的，则使用 spaces.Box(low=np.array([0,1]), high=np.array([100,50]), dtype=np.float32) ，其中 low high 都要符合状态空间 / 动作空间的维度，分别代表每一维的最大最小值。
  • 连续空间也可以使用 spaces.Box(low=0, high=255, shape=(84, 84), dtype=np.uint8) 这种形式，其中空间的每个维度具有相同的最大最小值，shape 表示空间的维度。
  • gym.spaces 的具体使用：官方文档 Gym documentation | Spaces ， 知乎 | Gym 中 Spaces 浅入浅出的理解 。
• 可以在 env.__init__() 函数的最后调用一下 env.reset() 函数。

obs = env.reset() 函数：

• 作用是初始化环境，比如把 agent 放到地图左下角，金币放在地图右上角，内置的计步器 reset 到 0 之类。
• 它的返回值 obs，应该是一个与状态空间维度相同的 np.ndarray。

02 与环境交互的 step 函数

obs, reward, done, info = env.step(action) 函数：

• 输入 action，应该是一个与动作空间维度相同的 np.ndarray。（一般的环境应该不支持批量输入 action，即 action.shape = (batch_size, action_dim) ）
• step 函数被用在 agent 与 env 的交互；env 接收到输入的动作 action 后，内部进行一些状态转移，输出：
  • 新的状态 obs：与状态空间维度相同的 np.ndarray；
  • reward：奖励值，实数；
  • done：bool 值，True 代表这个 episode 已经跑完（比如 agent 吃到了金币，或 agent 已经走完了 1000 步）（此时该 reset 了），False 则代表这个 episode 还没跑完。
  • info：python 的字典（dict），可以传递一些信息，没有信息传递则可以设成 {} 。

03 高级用法

• env.__init__(render_mode="human" or "rgb_array") 以及 rgb_frame = env.render() 。render mode = human 好像可以使用 pygame，rgb frame 则是直接输出（比如说）shape = (256, 256, 3) 的 frame，可以用 imageio 保存成视频。
• 如何注册 gym 环境：RL 基础 | 如何注册自定义 gym 环境