SyncVectorEnv

class gymnasium.vector.SyncVectorEnv(env_fns: Iterator[Callable[[], Env]] | Sequence[Callable[[], Env]], copy: bool = True)

向量化环境，串行运行多个环境。

示例

>>> import gymnasium as gym
>>> envs = gym.make_vec("Pendulum-v1", num_envs=2, vectorization_mode="sync")
>>> envs
SyncVectorEnv(Pendulum-v1, num_envs=2)
>>> envs = gym.vector.SyncVectorEnv([
...     lambda: gym.make("Pendulum-v1", g=9.81),
...     lambda: gym.make("Pendulum-v1", g=1.62)
... ])
>>> envs
SyncVectorEnv(num_envs=2)
>>> obs, infos = envs.reset(seed=42)
>>> obs
array([[-0.14995256,  0.9886932 , -0.12224312],
       [ 0.5760367 ,  0.8174238 , -0.91244936]], dtype=float32)
>>> infos
{}
>>> _ = envs.action_space.seed(42)
>>> actions = envs.action_space.sample()
>>> obs, rewards, terminates, truncates, infos = envs.step(actions)
>>> obs
array([[-0.1878752 ,  0.98219293,  0.7695615 ],
       [ 0.6102389 ,  0.79221743, -0.8498053 ]], dtype=float32)
>>> rewards
array([-2.96562607, -0.99902063])
>>> terminates
array([False, False])
>>> truncates
array([False, False])
>>> infos
{}
>>> envs.close()

参数:

• env_fns – 可调用函数的可迭代对象，用于创建环境。

• copy – 如果 True，那么 :meth:reset 和 :meth:step 方法将返回观察结果的副本。

抛出:

RuntimeError – 如果某些子环境的观测空间与 observation_space 不匹配（或者，默认情况下，与第一个子环境的观测空间不匹配）。

reset(*, seed: int | list[int] | None = None, options: dict[str, Any] | None = None) → tuple[ObsType, dict[str, Any]]

重置每个子环境并将结果连接在一起。

参数:

• seed – 用于重置子环境的种子，可以是 * None - 所有环境的随机种子 * int - [seed, seed+1, ..., seed+n] * 整数列表 - [1, 2, 3, ..., n]

• options – 用于每个子环境的选项信息

返回:

每个子环境的观察结果和信息连接

step(actions: ActType) → tuple[ObsType, ArrayType, ArrayType, ArrayType, dict[str, Any]]

遍历每个环境并返回批处理结果。

返回:

批量环境步骤结果

close(**kwargs: Any)

关闭所有并行环境并释放资源。

它还会关闭所有现有的图像查看器，然后调用 :meth:close_extras 并将 :attr:closed 设置为 True。

警告

这个函数本身不会关闭环境，它应该在 :meth:close_extras 中处理。这对于同步和异步的向量化环境都是通用的。

备注

这将在垃圾回收或程序退出时自动调用。

参数:

**kwargs – 传递给 :meth:close_extras 的关键字参数

call(name: str, *args: Any, **kwargs: Any) → tuple[Any, ...]

调用具有名称的子环境方法，并应用 args 和 kwargs。

参数:

• name – 方法名称

• *args – 方法参数

• **kwargs – 方法 kwargs

返回:

结果元组

get_attr(name: str) → tuple[Any, ...]

从每个并行环境中获取一个属性。

参数:

name (str) – 从每个单独环境中获取的属性名称。

返回:

具有名称的属性

set_attr(name: str, values: list[Any] | tuple[Any, ...] | Any)

设置子环境的属性。

参数:

• name – 要更改的属性名称

• values – 要设置的属性值。如果 values 是一个列表或元组，那么它对应于每个单独环境的值，否则，一个单一的值将设置给所有环境。

抛出:

ValueError – 值必须是一个与环境数量相等的列表或元组。

附加方法

property SyncVectorEnv.np_random: tuple[Generator, ...]

返回一个包含被包装环境numpy随机数生成器的元组。

property SyncVectorEnv.np_random_seed: tuple[int, ...]

返回一个包含包装环境随机种子的元组。