deep-learning - 奖励如何融入学习过程？

Question

我有一个环境，我正在尝试使用baseline3 库来学习系统动力学。由于我的示例很大，因此我使用以下示例来澄清我遇到的问题。

问题

1. 环境改写实际上在哪里融入了学习过程？

2. 奖励有上限和下限吗？

我的代码：

from stable_baselines.common.policies import MlpPolicy
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2

env = gym.make('CartPole-v1')
   

model = PPO2(MlpPolicy, env, verbose=1)
model.learn(total_timesteps=10000)

obs = env.reset()
for i in range(1000):
    action, _states = model.predict(obs)
    obs, rewards, dones, info = env.step(action)
    env.render()

我还找不到有关此的任何信息。