Frozen Lake 環境との対話
これから Frozen Lake 環境を操作します。これはグリッド状の世界で、アクションによってエージェントが特定の方向へ移動します。課題は、環境をよく観察し、スタート（左上）からゴール（右下）まで、穴に落ちないように進むための actions のリストを手作業で定義することです。Frozen Lake でのアクションの表現は通常次のとおりです。
- 0: left
- 1: down
- 2: right
- 3: up
コードを実行したら、"Previous Plot" と "Next Plot" のボタンを使ってプロットを切り替え、たどった経路を確認してください。 これにより、アクションの並びとその結果が理解しやすくなります。
gym と plt はすでにインポートされており、render() 関数と env 変数も用意されています。
この演習はコースの一部です
Pythonで学ぶGymnasiumによるReinforcement Learning
演習の手順
- 右側のエージェントの位置を観察し、湖を渡ってゴールまで導く
actionsのリストを定義します。 forループでリスト内の各アクションを順番に実行します。- 各アクションの後に環境をレンダリングし、エージェントの経路を確認します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Define the sequence of actions
actions = [____]
for action in actions:
# Execute each action
state, reward, terminated, _, _ = ____
# Render the environment
____
if terminated:
print("You reached the goal!")