2.4　隨機CartPole智能體

盡管這個環境比2.1節那個例子的環境復雜很多，但是智能體的代碼卻更短了。這就是重用性、抽象性以及第三方庫的強大力量！

代碼（見Chapter02/02_cartpole_random.py文件）如下：

我們先創建了環境并初始化了步數計數器和獎勵累積器。最后一行，重置了環境，并獲得第一個觀察（我們不會用到它，因為智能體是隨機的）。

在該循環中，我們從動作空間中隨機采樣一個動作，然后讓環境執行并返回下一個觀察（obs）、reward和done標記。如果片段結束，停止循環并展示執行了多少步以及累積獲取了多少獎勵。如果啟動這個例子，你將會看到類似下面的結果（因為智能體存在隨機性，所以不會完全相同）：

與交互會話一樣，該警告與代碼無關，是Gym內部給出的。隨機智能體在木棒落地、片段結束之前，平均會執行12～15步。大部分Gym環境有一個“獎勵邊界”，它是智能體在100個連續片段中，為“解決”環境而應該得到的平均獎勵。對于CartPole來說，這個邊界是195，這意味著，平均而言，智能體必須將木棒保持195個時間步長或更多。從這個角度來看，隨機智能體貌似表現得很差。但是，不要失望，我們才剛剛起步，很快你就能解決CartPole以及其他許多有趣且富有挑戰的環境了。