Unity3D有一个名为ML代理的强化学习包，我正在使用它来理解它的组件。对于我的项目，我需要编写自己的逻辑来设置Unity3D的奖励(不是使用C#逻辑的"addReward"，而是编写Python代码来设置Unity的奖励(。
我想知道我是否可以使用ML-agents包提供的Python API来使用env观察，并使用Unity中设置的自定义逻辑更新奖励(并发送回Unity(？在哪里可以这样做？
换句话说(例如(。在3DBall示例中，如果球停留在平台上获得正奖励，而如果球从平台上落下则获得负奖励，则在Unity3D中设置奖励逻辑。该逻辑通过使用C#在Unity3D中实现，并确定球的位置(矢量位置(与平台的比较。对于每一个操作，代理都会调用env.step(action(并获得(奖励，状态…(的元组。如果我想在Unity之外编写逻辑呢？例如，如果我想编写一个python程序，在不使用Unity奖励逻辑的情况下读取观察结果(来自Unity3D(并更新奖励？这可能吗？我无法理解这个选项在ML-agent的Python API中的位置。
目前，我正在考虑在Unity3D中用C#设置奖励的行之间运行一个外部python程序，但我想知道这是否过于复杂，是否有更简单的解决方案。
如有任何帮助，我们将不胜感激。
问候Guido
根据我对强化学习的理解，奖励由环境处理，代理只需将其与下一次观察联系起来。你可以说这是观察的一部分。
因此，奖励何时获得的逻辑是环境逻辑的一部分，即在Unity ML的情况下，环境生活在Unity中，因此您必须在Unity(C#(中实现奖励功能。
因此，为了保持环境(Unity(和代理(Python(之间的清晰分离。我认为最好将奖励逻辑保留在Unity/C#中，不要在Python中对其进行修改。
tl；dr:我认为您不能通过Python API设置奖励，以保持清晰的环境分离。