RewardScaling

class torchrl.envs.transforms.RewardScaling(loc: Union[float, torch.Tensor], scale: Union[float, torch.Tensor], in_keys: Sequence[NestedKey] | None = None, out_keys: Sequence[NestedKey] | None = None, standard_normal: bool = False)

奖励的仿射变换。

奖励根据以下公式进行变换：

\[reward = reward * scale + loc\]

参数：

• loc (数字 或 torch.Tensor) – 仿射变换的位置参数

• scale (数字 或 torch.Tensor) – 仿射变换的缩放参数

• standard_normal (布尔值, 可选) –

  如果为 True，变换将是

  \[reward = (reward-loc)/scale\]

  如同标准化操作一样。默认为 False。

transform_reward_spec(reward_spec: TensorSpec) → TensorSpec

变换奖励的 Spec (规范)，使其结果 Spec 与变换映射相匹配。

参数：

reward_spec (TensorSpec) – 变换前的 Spec (规范)

返回：

变换后的预期 Spec (规范)