创建金宝app强化学习环境
在强化学习场景中，您训练一个代理完成一项任务，环境模拟该代理与之交互的动力学。环境如下图所示:
从代理接收操作。
根据行动输出观察结果。
产生一种奖励来衡量行动对完成任务的贡献。
创建环境模型包括定义以下内容：
代理用来与环境交互的动作和观察信号。
代理用来衡量其成功的奖励信号。有关详细信息，请参阅定义奖励信号.
环境动态行为。
行动和观察信号
创建环境对象时，必须指定代理用于与环境交互的操作和观察信号。可以创建离散和连续动作空间。有关详细信息，请参阅rlNumericSpec和rlFiniteSetSpec分别地
您选择什么信号作为操作和观察取决于您的应用程序。例如，对于控制系统应用，误差信号的积分（有时是导数）通常是有用的观测值。此外，对于参考跟踪应用，将时变参考信号作为观测值是有帮助的。
当你定义你的观察信号时，确保所有的系统状态都可以通过观察观察到。例如，对摆锤的图像观察具有位置信息，但没有足够的信息来确定摆锤的速度。在这种情况下，您可以指定钟摆速度作为一个单独的观察。
预定义的金宝app环境
强化学习工具箱™ 软件提供预定义的Simulink金宝app®已经定义了行动、观察、奖励和动态的环境。您可以使用这些环境来：
学习强化学习概念。
熟悉强化学习工具箱软件功能。
测试您自己的强化学习代理。
有关详细信息，请参阅加载预定义的Simulink环境金宝app.
风俗金宝app环境
要指定您自己的自定义强化学习环境，请使用金宝appRL试剂在这个模型中，将动作、观察和奖励信号连接到RL试剂块有关示例，请参见水箱强化学习环境模型.
对于动作和观察信号，您必须使用rlNumericSpec对于连续信号和rlFiniteSetSpec对于离散信号。对于总线信号，使用创建规范bus2RLSpec.
对于奖励信号，在模型中构造一个标量信号，并将该信号连接到RL试剂块有关详细信息，请参阅定义奖励信号.
配置Simulink模型后，使用金宝apprl金宝appSimulinkEnv作用
如果您有一个具有适当操作输入端口、观察输出端口和标量奖励输出端口的参考模型，则可以自动创建包含此参考模型和金宝appRL试剂块有关详细信息，请参阅createIntegratedEnv. 此函数用于返回模型的环境对象、操作规范和观察规范。
您的环境可以包括第三方功能。有关详细信息，请参阅与现有的模拟或环境集成（金宝appSimulink）.
另见
rlPredefinedEnv|rl金宝appSimulinkEnv|createIntegratedEnv
相关的话题
您还可以从以下列表中选择网站：
