我正在使用 stable_baselines3 算法进行强化学习。模拟之间的输入大小应该不同（一些模拟涉及代理接收信息的 4 个对象，一些有 9 个对象，...），但在一个给定模拟的所有步骤中，大小是固定的。
代理有没有办法使用 stable_baselines 算法（我目前正在使用 PPO）学习具有不同输入大小的模拟？否则我有什么选择？我已阅读SB3 关于自定义政策的文档，但不明白它是否或如何回答我的问题。
我正在使用 stable_baselines3 算法进行强化学习。模拟之间的输入大小应该不同（一些模拟涉及代理接收信息的 4 个对象，一些有 9 个对象，...），但在一个给定模拟的所有步骤中，大小是固定的。
代理有没有办法使用 stable_baselines 算法（我目前正在使用 PPO）学习具有不同输入大小的模拟？否则我有什么选择？我已阅读SB3 关于自定义政策的文档，但不明白它是否或如何回答我的问题。