调整由 4 帧组成的健身房环境的状态（atari 环境）答案

【问题标题】：Resize a state of a gym environment composed by 4 frames (atari environment)调整由 4 帧组成的健身房环境的状态（atari 环境）
【发布时间】：2021-05-24 14:58:50
【问题描述】：

我正在开发基于 DQN 的自治代理。我正在使用健身房库来制作我想要测试的环境，但我一直在处理状态帧。使用 FrameStack 包装器，gym 环境返回的状态具有以下观察空间：

env = gym.make('Bowling-v0')
env = gym.wrappers.FrameStack(env, 4)
print(env.observation_space)

Box(0, 255, (4, 210, 160, 3), uint8)

我希望观察空间是Box(0, 255, (4, 88, 80, 1), uint8)。我能怎么做？我尝试过像这样使用另一个包装器：

env = gym.wrappers.ResizeObservation(env, (4, 88, 80, 1))
print(env.observation_space)

但是得到的观察空间是Box(0, 255, (4, 88, 80, 1, 160, 3), uint8)。我做错了什么？

【问题讨论】：

观察空间的形状反映了您从环境中返回的图像。如果要调整它的大小，则需要在目标维度中具有相同大小的输入。换句话说，210*160*3 != 88*80*1。您要问的是将 210x160x3 图像转换为 88x80x1 图像。您需要一些自定义转换功能来做到这一点。或者尝试将 DQN 的输入层更改为 210x160x3。

标签： python wrapper environment openai-gym atari-2600

【解决方案1】：

已修复！我只是用了错误的方式。

env = gym.make('Bowling-v0')
print(env.observation_space)

Box(0, 255, (210, 160, 3), uint8)

必须首先应用调整大小，然后只有在调整大小后才应用堆叠！

env = gym.wrappers.ResizeObservation(env, (88, 80))
print(env.observation_space)

Box(0, 255, (88, 80, 3), uint8)

所以现在我们可以继续使用 FrameStack 包装器进行堆叠

env = gym.wrappers.FrameStack(env, 4)
print(env.observation_space)

Box(0, 255, (4, 88, 80, 3), uint8)

【讨论】：