智能体与环境

做决策的一方叫智能体，它身处并能影响的外部世界叫环境。

这是强化学习描述问题的基本框架。智能体是做决策的一方，环境是它之外、它能观察和影响的一切。两者循环交互：智能体看到当前观测，选一个动作；环境据此变到新状态，返回新观测和奖励（衡量好坏的一个数），如此往复直到回合结束。在具身智能里，智能体通常是机器人上运行的策略模型，环境是真实世界或仿真器，包括桌面、物体和周围的人。这个框架让导航、抓取、行走等不同问题能用同一套术语描述；Gymnasium 等强化学习环境库也按它设计接口，用 reset 开始新回合、用 step 执行一步动作。

例子机械臂叠毛巾：智能体是叠毛巾的策略，环境是桌面、毛巾所在的真实场景；策略每一步根据相机画面（观测）输出一组关节动作，环境随之变化，再返回动作后的新画面。

也叫

智能体-环境交互、Agent-Environment Loop、Agent-Environment Interface

相关

强化学习、马尔可夫决策过程、观测、动作空间、奖励函数、环境（Env）与 reset / step 接口

来源

OpenAI Spinning Up: Key Concepts in RL
Gymnasium Documentation: Basic Usage