instadeepai/Mava

[BUG]Jumanji RWARE reward shape mismatch

Open

#1,110 opened on 2024年10月24日

GitHub で見る
 (1 comment) (0 reactions) (0 assignees)Python (122 forks)auto 404
buggood first issue

Repository metrics

Stars
 (922 stars)
PR merge metrics
 (PR metrics pending)

説明

We found that in the 4ag RWARE task, env.reward_spec().generate_value() gives something of shape (), but the reward that environment outputs is actually of shape (num_agents).

This is curious because I believe the scenario should output a reward of shape ().

Maybe it's a wrapper thing?

コントリビューターガイド

調査方針
4ag RWAREタスクの報酬関数を調査し、環境のstep関数をトレースして、reward.spec()の形状が実際の報酬形状と異なる理由を特定してください。ラッパーが報酬を変更していないか確認してください。
技術スタック
python
領域
machine learningai
Issue 種別
バグ
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
2
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-3時間
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
アクティブ
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
明確
前提条件
PythonJAXreinforcement learning
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
60