Gym-Fetch-Robotics-obs-reward解析

Gym-Fetch-Robotics-obs-reward解析

前言

简单介绍:

一共八个环境，但是它的dense-reward，都简单的离谱。
就直接计算：

-np.linalg.norm(object_pos- goal_pos, axis=-1)

这不是离谱嘛，任务完成得靠三个值的配合：

gripper_pos: move by step action.
object_pos: move by gripper.
goal_pos:sample from self._sample_goal()

而自带的reward shape只考虑了后面两个值的相对位置关系。
在初始化探索的时候，对于夹爪是否要接触Object来说，仍然是比较稀疏的任务。