OpenAIGym环境“CartPole-v0”和“CartPole-v1”之间的区别

我找不到OpenAI Gym环境“ CartPole-v0”和“ CartPole-v1”之间差异的确切描述。

两种环境都有专用于它们的单独的官方网站（请参见1和2），尽管我只能在Gym github存储库中找到一个没有版本识别的代码（请参阅3）。我还检查了通过调试器准确加载了哪些文件，尽管它们似乎都加载了相同的上述文件。唯一的区别似乎是它们在内部分配的max_episode_steps和reward_threshold，可以如下访问。CartPole-v0的值为200 / 195.0，而CartPole-v1的值为500 / 475.0。其余的乍一看似乎是相同的。

import gym

env = gym.make("CartPole-v1")
print(self.env.spec.max_episode_steps)
print(self.env.spec.reward_threshold)

因此，如果有人可以为我描述确切的差异或将我转发到正在这样做的网站，我将不胜感激。非常感谢你！

您可能已经注意到，在OpenAI Gym中，有时会有相同版本的不同版本。不同版本通常共享主要环境逻辑，但是某些参数配置为不同的值。这些版本使用称为注册表的功能进行管理。

对于CartPole环境，您可以在此源代码中找到两个注册版本。如您在第50到65行中看到的，存在两个CartPole版本，标记为v0和v1，它们的区别在于参数max_episode_steps和reward_threshold：

register(
    id='CartPole-v0',
    entry_point='gym.envs.classic_control:CartPoleEnv',
    max_episode_steps=200,
    reward_threshold=195.0,
)

register(
    id='CartPole-v1',
    entry_point='gym.envs.classic_control:CartPoleEnv',
    max_episode_steps=500,
    reward_threshold=475.0,
)

这两个参数都证实了您对CartPole-v0和CartPole-v1之间差异的猜测。