0

我有一个关于我自己在 tf 代理中的环境的问题。观察向量包含描述不同类型数据的元素（例如，以秒为单位的时间、以 m/s 为单位的速度、以 m 为单位的距离）。距离从-500到+500的区间，速度在0到+20之间，时间在-10到+10之间。

定义环境时，self._observation_spec需要参数maximum和minimum，如 tf-agents 存储库中的环境教程中所述：

class CardGameEnv(py_environment.PyEnvironment):

  def __init__(self):
    self._action_spec = array_spec.BoundedArraySpec(
        shape=(), dtype=np.int32, minimum=0, maximum=1, name='action')
    self._observation_spec = array_spec.BoundedArraySpec(
        shape=(1,), dtype=np.int32, minimum=0, name='observation')
    self._state = 0
    self._episode_ended = False

与代码片段不同的是，我使用浮点数而不是整数。

现在的问题是，我应该minimum如何maximum在self._observation_spec. 我应该将所有值标准化为区间 (0,1) 并使用 0 和 1 作为minimum参数maximum吗？或者我应该只使用 asminimum和maximum-500 和 +500 （取自距离间隔）并插入我所有的值而不进行归一化，尽管我的速度和时间元素使用更紧密的间隔？

我对这些行动有同样的问题。但我认为行动和观察的答案是相同的。

提前致谢！

4

0 回答 0