deep-learning - 当使用 OpenAI Gym 的跳帧包装器时，np.max 行的目的是什么？

Question

我正在实现以下通常在 OpenAI 的 Gym 中用于跳帧的包装器。它可以在 dqn/atari_wrappers.py 中找到

我对以下行感到非常困惑：

max_frame = np.max(np.stack(self._obs_buffer), axis=0)

我在代码中为我理解的部分添加了注释，以帮助任何可能提供帮助的人。

np.stack(self._obs_buffer)将两个状态堆叠在_obs_buffer.

np.max返回沿轴 0 的最大值。

但我不明白我们为什么要这样做，或者它到底在做什么。

class MaxAndSkipEnv(gym.Wrapper):
    """Return only every 4th frame"""
    def __init__(self, env=None, skip=4):
        super(MaxAndSkipEnv, self).__init__(env)
        # Initialise a double ended queue that can store a maximum of two states
        self._obs_buffer = deque(maxlen=2)
        # _skip = 4
        self._skip       = skip

    def _step(self, action):
        total_reward = 0.0
        done = None
        for _ in range(self._skip):
            # Take a step 
            obs, reward, done, info = self.env.step(action)
            # Append the new state to the double ended queue buffer 
            self._obs_buffer.append(obs)
            # Update the total reward by summing the (reward obtained from the step taken) + (the current 
            # total reward)
            total_reward += reward
            # If the game ends, break the for loop 
            if done:
                break

        max_frame = np.max(np.stack(self._obs_buffer), axis=0)

        return max_frame, total_reward, done, info

Answer 1

在for循环结束时，self._obs_buffer保存最后两帧。然后将这两个帧最大池化，产生包含一些时间信息的观察。