Gym环境下评估RL模型时提取观测值的代码行报错求助

各位大佬好，最近在做强化学习模型的评估，用的是Gym环境，跑了个循环收集观测数据和累计奖励，但其中有一行提取观测值的代码一直报错，折腾半天没搞定，来求助下！

先贴我的代码片段：

total_reward = 0
obs_test = env_test.reset()
all_mirs = []

for step in range(1728):  # 按5分钟一个间隔，跑满24小时的步数
    action, _ = model.predict(obs_test)
    obs_test, reward, done, info = env_test.step(action)

    all_mirs += list(obs_test[0][20:30])  # <-- 就是这行触发了报错
    total_reward += reward

我的需求其实很简单：想把每一步环境返回的观测值里，索引20到30的那部分数据提取出来，追加到all_mirs列表里。但运行时要么报索引越界，要么提示我没法对obs_test做二维切片，感觉是我对obs_test的结构理解错了。

我自己试着排查了下：

• 打印过obs_test的类型和形状，发现有时候它不是我预期的二维数组，偶尔会是一维的？
• 试过先把obs_test转成numpy数组再切片，但还是会有维度不匹配的问题

想请教大家几个问题：

• 会不会是env.step()返回的观测值维度在不同步骤里会发生变化？
• 有没有什么稳妥的方式先确认obs_test的结构，再安全提取目标数据？
• 有没有替代的写法，能避免这种因结构不明确导致的切片报错？

内容来源于stack exchange