Gymnasium：现代强化学习训练场 | AI生成和翻译
Gym 库指的是一个流行的 Python 工具包，最初由 OpenAI 开发，用于强化学习（RL）——这是机器学习的一个子领域，智能体通过与环境交互来学习决策，以最大化奖励。它提供了标准化的 API 和一系列基准环境（如游戏、机器人仿真和经典控制问题），用于开发、测试和比较 RL 算法。这使得研究人员和开发者能够更轻松地进行原型设计，而无需从头构建环境。
主要特性包括：
- 环境：预构建的任务，如 CartPole（平衡杆）、Atari 游戏或 MuJoCo 物理仿真。
- API 简洁性：使用
gym.make("环境名称")创建环境，然后使用reset()方法开始，step(action)进行交互并获取观察结果/奖励，以及render()进行可视化。 - 可扩展性：用户可以通过继承 Gym 的基类来创建自定义环境。
- 集成性：与 Stable Baselines、RLlib 或 PyTorch/TensorFlow 等库良好配合，用于实现 RL 智能体。
然而，原始的 OpenAI Gym 已不再积极维护，并在 2021 年左右被弃用。建议使用 Gymnasium，这是由 Farama Foundation 直接分叉并持续维护的版本。Gymnasium 完全兼容（你可以通过 import gymnasium as gym 导入），并增加了改进，如更好的向量化环境以支持并行训练、更严格的类型检查以及持续的更新。安装方式为 pip install gymnasium，对于特定环境，可以使用附加选项如 pip install gymnasium[atari]。
Python 中的基本用法示例：
import gymnasium as gym
env = gym.make("CartPole-v1", render_mode="human")
observation, info = env.reset(seed=42)
for _ in range(1000):
action = env.action_space.sample() # 随机动作（智能体会学习更好的动作）
observation, reward, terminated, truncated, info = env.step(action)
if terminated or truncated:
observation, info = env.reset()
env.close()
如果你刚开始学习 RL，Gymnasium 是当前大多数项目的首选。
OpenAI Gym GitHub
Gymnasium 文档
Gym 文档（旧版）