AI Gym的动作与状态数据是否已完成归一化处理？

观测（状态）的归一化说明 #

env.step()返回的观测值未完成全维度归一化，三个观测维度的原生取值范围如下：

• 摆角余弦值：为角度的余弦计算结果，天然取值在[-1, 1]区间，无需额外归一化
• 摆角正弦值：为角度的正弦计算结果，天然取值在[-1, 1]区间，无需额外归一化
• 摆角速度：原生取值范围为[-8, 8]，未做缩放处理

训练DDPG时建议手动将摆角速度维度除以8，映射到[-1, 1]区间，避免不同输入维度尺度差异过大拖慢神经网络收敛、甚至导致训练不稳定。

动作输入的取值要求 #

Pendulum环境定义的合法动作空间为连续区间[-2, 2]，环境不会对传入的动作值做自动裁剪，传入超出该区间的数值会直接导致仿真逻辑异常、甚至触发运行报错。
DDPG的策略网络输出层通常采用tanh激活，原生输出范围为[-1, 1]，你只需要将网络输出值线性乘以2，映射到[-2, 2]区间后再传入env.step()即可，不需要额外做其他归一化操作。

内容的提问来源于stack exchange，提问作者gfbio