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。