RewardScaling

class torchrl.envs.transforms.RewardScaling(loc: Union[float, Tensor], scale: Union[float, Tensor], in_keys: Optional[Sequence[NestedKey]] = None, out_keys: Optional[Sequence[NestedKey]] = 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

• scale (数字 或 torch.Tensor) – 仿射变换的比例

• standard_normal (bool, 可选) –

  如果 True，则变换将为

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

  如同标准化一样进行。默认为 False。

transform_reward_spec(reward_spec: TensorSpec) → TensorSpec

变换奖励规格，使结果规格与变换映射匹配。

参数:

reward_spec (TensorSpec) – 变换前的规格

返回:

变换后预期的规格