gym.ObservationWrapper使用时的注意点——reset和step函数可以覆盖observation函数

记录一个刚学习到的gym使用的点，就是gym.ObservationWrapper使用时的注意点——reset和step函数可以覆盖observation函数。

给出代码：

import gym

class Wrapper(gym.ObservationWrapper):
    def __init__(self, env):
        super(Wrapper, self).__init__(env)

    def reset(self):
        obs = self.env.reset()
        print(obs)
        return obs
        # return self.observation(obs)

    def step(self, action):
        obs, reward, is_done, info = self.env.step(action)
        print(obs)
        return obs, reward, is_done, info
        # return self.observation(obs), reward, is_done, info

    def observation(self, observation):
        observation += 100
        return observation

env=gym.make("CartPole-v0")
env = Wrapper(env)
print("reset:")
print(env.reset())
print("step:")
print(env.step(0)[0])

运行：

可以看到，继承gym.ObservationWrapper类后，如果重写reset函数或step函数，那么对应的返回的observation也不会被该类的observation函数所处理。

如果我们把reset函数和step函数注释掉，再次运行可以看到运行结果：

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

那么在继承gym.ObservationWrapper类后，如果重写reset函数或step函数，同时又希望对应的返回的observation被该类的observation函数所处理，那么我们可以做如下的修改：

import gym

class Wrapper(gym.ObservationWrapper):
    def __init__(self, env):
        super(Wrapper, self).__init__(env)

    def reset(self):
        obs = self.env.reset()
        print(obs)
        # return obs
        return self.observation(obs)

    def step(self, action):
        obs, reward, is_done, info = self.env.step(action)
        print(obs)
        # return obs, reward, is_done, info
        return self.observation(obs), reward, is_done, info

    def observation(self, observation):
        observation += 100
        return observation

env=gym.make("CartPole-v0")
env = Wrapper(env)
print("reset:")
print(env.reset())
print("step:")
print(env.step(0)[0])

运行结果：

---------------------------------------------------------------------------

继承gym.ObservationWrapper类后reset和step函数的使用可以具体看下ObservationWrapper类的实现：