如何解决TF-Agents 自定义环境应急行动
对仅在某些状态下允许的操作进行编码的惯用方法是什么？
例如，您有四个操作：
- 翻转卡片
- 完成
- 保留翻转的卡片
- 不要保留翻转的卡片
游戏开始时，您只能执行操作 1 或 2。
如果您处于牌面朝上的状态（您已完成操作 2），则您只能执行操作 3 或 4，这将使您回到原始状态。
我希望我需要使用代理可以观察到的内容对其进行编码，但是什么阻止代理从开始状态开始尝试动作 3/4，只是一个糟糕的奖励？
有人对如何完成此操作有任何提示或此类环境的示例吗？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
