行动及观测信号

在创建环境对象时，必须指定代理用于与环境交互的操作和观察信号。您既可以创建离散的动作空间，也可以创建连续的动作空间。有关更多信息，请参见rlNumericSpec和rlFiniteSetSpec,分别。

选择什么信号作为动作和观察取决于应用程序。例如，对于控制系统的应用，误差信号的积分(有时是导数)常常是有用的观测。此外，对于参考跟踪应用，有一个时变参考信号作为观测是有帮助的。

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。

预定义的万博1manbetx环境

Reinforcement Learning Toolbox™软件提供了预定义的Simulink万博1manbetx^®已经定义了行动、观察、奖励和动态的环境。你可以使用这些环境:

有关更多信息，请参见加载预定义的Simulink环境万博1manbetx．

自定义万博1manbetx环境

要指定您自己的自定义强化学习环境，请使用万博1manbetxRL代理块。在这个模型中，将行动、观察和奖励信号与RL代理块。例如，请参见水箱加固学习环境模型．

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，并将这个信号连接到RL代理块。有关更多信息，请参见定义奖励信号．

在配置了Simulink模型之后，使用万博1manbetxrl万博1manbetxSimulinkEnv函数。

如果您有一个具有适当的操作输入端口、观察输出端口和标量奖励输出端口的参考模型，您可以自动创建一个Simulink模型，其中包括这个参考模型和一个万博1manbetxRL代理块。有关更多信息，请参见createIntegratedEnv．该函数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。有关更多信息，请参见与现有的模拟或环境集成(万博1manbetx模型)．