金字塔环境

此环境中的目标是训练我们的智能体获取金字塔顶部的金色砖块。为此，它需要按下一个按钮来生成金字塔，导航到金字塔，将其撞倒，然后移动到顶部的金色砖块。

奖励函数

奖励函数是

在代码方面，它看起来像这样

为了训练这个新的智能体，使其寻找按钮，然后寻找金字塔进行破坏，我们将结合使用两种类型的奖励

• 环境给出的外在奖励（如上图所示）。
• 还有一种称为好奇心的内在奖励。第二个奖励将推动我们的智能体变得好奇，或者换句话说，更好地探索其环境。

如果您想了解更多关于好奇心的信息，下一节（可选）将解释基本知识。

观察空间

在观察方面，我们使用 148 条射线投射，每条射线都可以检测物体（开关、砖块、金色砖块和墙壁）。

我们还使用一个布尔变量来指示开关状态（我们是否打开或关闭开关以生成金字塔）和一个包含智能体速度的向量。

动作空间

动作空间是离散的，有四种可能的动作

< > 在 GitHub 上更新