金字塔环境

此环境中的目标是训练我们的智能体以**获得金字塔顶部的金色积木。为此，它需要按下按钮生成金字塔，导航到金字塔，将其推倒，然后移动到顶部的金色积木**。

奖励函数

奖励函数为

在代码中，它看起来像这样

为了训练这个寻找按钮然后摧毁金字塔的新智能体，我们将使用两种类型的奖励的组合

• 环境提供的外部奖励（上图所示）。
• 但也包括一个称为**好奇心**的内部奖励。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，下一部分（可选）将解释基础知识。

观察空间

在观察方面，我们**使用 148 个射线投射，每个射线投射都可以检测物体**(开关、积木、金色积木和墙壁)。

我们还使用一个**指示开关状态的布尔变量**(我们是否打开或关闭了生成金字塔的开关)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

< > 更新 在 GitHub 上