Kom igångKom igång gratis

Interagera med Frozen Lake-miljön

Nu ska du navigera i Frozen Lake-miljön – en rutnätsbaserad värld där åtgärder flyttar en agent i bestämda riktningar. Din uppgift är att noggrant studera miljön och manuellt definiera en lista med actions som styr agenten från startpositionen (överst till vänster) till målet (nederst till höger) utan att falla i några hål. I Frozen Lake-miljön representeras åtgärder vanligtvis som:

  • 0: vänster
  • 1: ned
  • 2: höger
  • 3: upp

När du har kört koden, se till att bläddra igenom dina diagram för att följa den väg agenten tagit – använd knapparna 'Previous Plot' och 'Next Plot'. Det hjälper dig att förstå åtgärdernas ordning och resultat.

gym och plt har importerats tillsammans med funktionen render() och variabeln env.

Den här övningen är en del av kursen

Reinforcement Learning med Gymnasium i Python

Visa kurs

Övningsinstruktioner

  • Observera agentens position till höger och definiera en lista med actions för att navigera agenten över sjön till målet.
  • Utför varje åtgärd i listan via for-loopen.
  • Rendera miljön efter varje åtgärd för att följa agentens väg.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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!")
Redigera och kör kod