Gym TransformObservation包装器未生效：MultiDiscrete观测空间未转换

核心问题说明 #

你遇到的情况是因为TransformObservation包装器仅会转换环境实际输出的观测值（比如reset()、step()返回的结果），不会自动修改observation_space的定义。所以直接调用wrapped_env.observation_space.sample()还是会从原MultiDiscrete空间采样，看不到转换效果。另外你的环境代码还有两个小bug需要修正。

具体修复步骤 #

1. 修正环境的reset方法
   原代码reset返回的是2维数组，但你的观测空间是118维，这会导致维度不匹配，必须改成118维：

   def reset(self):
       self.state = np.zeros(118, dtype=np.int64)  # 改为118维，指定类型避免后续转换警告
       self.test_begin = 7
       return self.state
   

2. 验证转换效果的正确方式
   不要用observation_space.sample()验证，而是调用wrapped_env.reset()，看返回的观测值是否已经转换为-1和1：

   print(wrapped_env.reset())
   # 输出应该是全-1的数组：array([-1., -1., ..., -1.])
   

3. 可选：更新包装后环境的观测空间定义
   如果需要让observation_space准确反映转换后的空间（值范围-1到1的连续空间），可以手动设置为Box类型：

   from gym.spaces import Box
   
   wrapped_env.observation_space = Box(low=-1, high=1, shape=(118,), dtype=np.float32)
   # 此时调用sample()会得到-1到1之间的值
   print(wrapped_env.observation_space.sample())
   

4. 修正step方法的未定义变量
   原step方法里的hot_encoding_action未定义，需要补充或删除该无效代码：

   def step(self, action):
       # 这里补充你的逻辑，比如更新state
       self.state = np.random.randint(0, 2, size=118)  # 示例：随机生成观测值
       reward = 0.0  # 示例奖励
       done = False  # 示例结束标志
       info = {}
       return self.state, reward, done, info
   

完整修正后的代码 #

from gym import Env
from gym.spaces import MultiDiscrete, Box
from gym.wrappers import TransformObservation
import numpy as np

class Test_Env(Env): 
    def __init__(self):
        self.action_space = MultiDiscrete(np.repeat(3, 118))
        self.observation_space = MultiDiscrete(np.repeat(2, 118))
        self.state = np.zeros(118, dtype=np.int64)
        self.test_begin = 7
    def step(self, action):
        # 示例逻辑：随机更新观测状态
        self.state = np.random.randint(0, 2, size=118)
        reward = 0.0
        done = False
        info = {}
        return self.state, reward, done, info
    def render(self):
        pass
    def reset(self):
        self.state = np.zeros(118, dtype=np.int64)
        self.test_begin = 7
        return self.state

env = Test_Env()

def transform(vec):
    # 转换0→-1，1→1
    return vec * 2 - 1

wrapped_env = TransformObservation(env, transform)
# 可选：更新观测空间为Box
wrapped_env.observation_space = Box(low=-1, high=1, shape=(118,), dtype=np.float32)

# 验证转换效果
print("原始环境reset结果：", env.reset())
print("包装后环境reset结果：", wrapped_env.reset())

内容的提问来源于stack exchange，提问作者E.T