我正在做一个项目，使用 Pybrain 包将强化学习与交通灯模拟相结合。我已经阅读了教程并实现了我自己的Environment和子类Task。我使用ActionValueNetworkas 控制器是因为我希望我的状态是一个具有连续值的向量，这样它就可以包含诸如每条车道上等待的汽车数量、每条车道的总等待时间等信息。
我将 的输入维度设置ActionValueNetwork为我的状态向量的维度，这表明可以将向量用作状态变量。当我使用 Q-learner 或 SARSA 学习器时，代码起初运行良好，但一旦learn()调用该方法，我就会收到一条错误消息。此函数包含行
state = int(state)
错误信息是
TypeError: only length-1 arrays can be converted to Python scalars
这表明只能使用标量形状的状态。
pybrain 强化学习环境是否支持向量形状态？如果是这样，我如何修改我的代码，使其能够与他们的 Q-learning 或其他方法的实现一起使用？