2.4　随机CartPole智能体

尽管这个环境比2.1节那个例子的环境复杂很多，但是智能体的代码却更短了。这就是重用性、抽象性以及第三方库的强大力量！

代码（见Chapter02/02_cartpole_random.py文件）如下：

我们先创建了环境并初始化了步数计数器和奖励累积器。最后一行，重置了环境，并获得第一个观察（我们不会用到它，因为智能体是随机的）。

在该循环中，我们从动作空间中随机采样一个动作，然后让环境执行并返回下一个观察（obs）、reward和done标记。如果片段结束，停止循环并展示执行了多少步以及累积获取了多少奖励。如果启动这个例子，你将会看到类似下面的结果（因为智能体存在随机性，所以不会完全相同）：

与交互会话一样，该警告与代码无关，是Gym内部给出的。随机智能体在木棒落地、片段结束之前，平均会执行12～15步。大部分Gym环境有一个“奖励边界”，它是智能体在100个连续片段中，为“解决”环境而应该得到的平均奖励。对于CartPole来说，这个边界是195，这意味着，平均而言，智能体必须将木棒保持195个时间步长或更多。从这个角度来看，随机智能体貌似表现得很差。但是，不要失望，我们才刚刚起步，很快你就能解决CartPole以及其他许多有趣且富有挑战的环境了。