从零实现SAC训练BipedalWalker，咨询NormalizeObservation使用方式

你的代码用法是正确的，这种嵌套Wrapper的方式可以让NormalizeObservation对后续所有环境交互产生的观测生效，同时RescaleAction也能正确完成动作空间的缩放。

具体逻辑说明 #

Gymnasium的Wrapper采用嵌套链式工作模式，每一层Wrapper会处理上一层的输入或输出：

• 当调用env.step(action)时，RescaleAction会先将你传入的0-1区间动作，缩放回BipedalWalker原环境的[-1,1]动作空间，再传递给底层环境执行；
• 环境执行后返回的原始观测，会先经过NormalizeObservation的归一化处理（默认基于在线统计的均值和方差，将观测转换为均值0、方差1的分布），再返回给你的SAC算法，满足输入均衡的需求。

额外注意事项 #

• NormalizeObservation默认是在线动态统计观测的均值和方差，训练过程中会持续更新。如果训练完成后要测试智能体，建议保存训练阶段统计的均值和方差，测试时固定使用这些值，避免测试阶段的新统计数据干扰结果；
• 如果你需要观测严格归一化到0-1区间，NormalizeObservation的默认输出是标准正态分布，你可以额外添加MinMaxObservation Wrapper，或者在归一化后自行做线性变换；
• BipedalWalker原动作空间为[-1,1]，RescaleAction(min_action=0, max_action=1)的参数设置完全适配，动作缩放逻辑正确。

内容的提问来源于stack exchange，提问作者Anas Rzq