（续） gym atari游戏的环境设置问题：Breakout-v0, Breakout-v4, BreakoutNoFrameskip-v4和BreakoutDeterministic-v4的区别

根据前文（https://www.cnblogs.com/devilmaycry812839668/p/14665072.html）我们知道：

1. 首先是v0和v4的区别：带有v0的env表示会有25%的概率执行上一个action，而v4表示只执行agent给出的action，不会重复之前的action。
2. 带有Deterministic的env表示固定跳4帧，否则跳帧数随机从  (2, 5)  （2,4）   中采样。
3. 带有NoFrameskip的env表示没有跳帧。

=========================================

看下主要的源代码的评论：

https://github.com/openai/gym/issues/1280

看下主要的源代码：

source code

v0   与     v4  版本：

Deterministic  下的    v0   与     v4  版本：

NoFrameskip  下的    v0   与     v4  版本：

 

============================================

可以看到在  Atari  游戏中， v0  v4 版本，与   Deterministic 下的  v0   v4 版本，  与   NoFrameskip 下的   v0   v4 版本  区别在于：

kwargs 字典中  键值     'frameskip'     ,      'repeat_action_probability'

frameskip 是指定是否跳帧（中间帧使用重复动作），   repeat_action_probability 是指每次执行动作时重复上次选择的动作的概率

可以看到   repeat_action_probability  主要用于区分 三类  v0  v4版本下的不同，  带有v0 的则是以概率0.25来选择上次执行的动作，  而v4则不设置该概率（以0概率执行上次动作，以1概率执行本次的动作）。

而  repeat_action_probability   只在  deterministic  和   NoFrameskip 下存在：

可以看到在所有游戏中frameskip默认设置为4，而只有在space_invaders中设置为3， 而这也是符合DeepMind原始论文中的设置的。

也就是说原始v0, v4版本是没有设置frameskip的，也就是说每次接收agent动作时都是随机从(2, 5)中选择跳帧数。

而Deterministic 下  除了space_invaders中frameskip设置为3其余的frameskip均设置为4。

而NoFrameskip 下所有游戏frameskip均设置为1。

注：frameskip均设置为1意味着每个帧都需要agent输入动作，不进行跳帧。跳帧的话，中间帧都是执行重复的动作。

举例：

fameskip=1

0帧时agent传入动作a0,         1帧时agent传入动作a1,         2帧时agent传入动作a2,         3帧时agent传入动作a3  。

fameskip=2

0帧时agent传入动作a0,         1帧时不需要agent传入动作而是继续执行动作a0,         2帧时agent传入动作a2,         3帧时不需要agent传入动作而是继续执行动作a2  。

fameskip=3

0帧时agent传入动作a0,         1帧时不需要agent传入动作而是继续执行动作a0,         2帧时不需要agent传入动作而是继续执行动作a0,         3帧时agent传入动作a3  。

fameskip=4

0帧时agent传入动作a0,         1帧时不需要agent传入动作而是继续执行动作a0,         2帧时不需要agent传入动作而是继续执行动作a0,         3帧时不需要agent传入动作而是继续执行动作a0 ，  4帧时agent传入动作a4。

============================================

为了更进一步了解    'frameskip'     ,      'repeat_action_probability'  的意义，

查看链接   here  ：

在  https://github.com/openai/gym/blob/master/gym/envs/atari/atari_env.py#L24  中可以知道：

step 函数的具体设置：

AtariEnv 类的初始化：

从AtariEnv 类的初始化  及   step 函数的具体设置  可以看到    frameskip （跳帧） 确实为前面的分析一致。

但是很神奇的是在  step中并没有   repeat_action_probability   的设置。

但是在AtariEnv 类的初始化  中可以看到：

也就是说，repeat_action_probability 的设置是对     self.ale   进行的。

而  step 中具体的操作也是传给    self.ale   进行的。

由此我们可以知道， 如果我们设置了  repeat_action_probability  ，那么对于frameskip的中间帧进行重复的动作依然进行  repeat_action_probability 操作。

举例：  （设置repeat_action_probability，即动作重复概率为0.25 ）

fameskip=1

0帧时agent传入动作a0，传给ale的动作为a0，ale执行a0,   最终执行的动作记为b0;

1帧时agent传入动作a1，传给ale的动作为a1，但是ale以0.25的概率执行b0,  以0.75的概率执行a1， 最终执行的动作记为b1;

2帧时agent传入动作a2，传给ale的动作为a2，但是ale以0.25的概率执行b1,  以0.75的概率执行a2， 最终执行的动作记为b2;

3帧时agent传入动作a3，传给ale的动作为a3，但是ale以0.25的概率执行b2,  以0.75的概率执行a3， 最终执行的动作记为b3;

fameskip=2

0帧时agent传入动作a0，传给ale的动作为a0，ale执行a0,   最终执行的动作记为b0;

1帧时不需要agent传入动作，传给ale的动作为a0，但是ale以0.25的概率执行b0,  以0.75的概率执行a0， 最终执行的动作记为b1;

2帧时agent传入动作a2，传给ale的动作为a2，但是ale以0.25的概率执行b1,  以0.75的概率执行a2， 最终执行的动作记为b2;

3帧时不需要agent传入动作，传给ale的动作为a2，但是ale以0.25的概率执行b2,  以0.75的概率执行a2， 最终执行的动作记为b3;

fameskip=3

0帧时agent传入动作a0，传给ale的动作为a0，ale执行a0,   最终执行的动作记为b0;

1帧时不需要agent传入动作，传给ale的动作为a0，但是ale以0.25的概率执行b0,  以0.75的概率执行a0， 最终执行的动作记为b1;

2帧时不需要agent传入动作，传给ale的动作为a0，但是ale以0.25的概率执行b1,  以0.75的概率执行a0， 最终执行的动作记为b2;

3帧时agent传入动作a3，传给ale的动作为a3，但是ale以0.25的概率执行b2,  以0.75的概率执行a3， 最终执行的动作记为b3;

=====================================================

关于   repeat_action_probability  部分参考：

https://blog.csdn.net/qq_27008079/article/details/100126060

Revisiting the Arcade Learning Environment: Evaluation Protocols and Open Problems for General Agents

在论文revisiting the arcade中5.2解释的很清楚，里面图3很形象

=============================================