回合

Episode入门必知

从环境重置开始，到任务完成、失败或超时为止的一次完整尝试。

回合是强化学习和机器人学习里的时间单位：环境重置到初始状态后，智能体一步步行动，直到任务完成、失败或达到步数上限，这一整段就是一个回合，记录下的观测和动作序列就是一条轨迹。Gymnasium 用两个标志区分结束原因：terminated 表示任务本身完成或失败，truncated 表示被时间上限等外部条件截断。在机器人模仿学习中，一条演示数据通常对应一个回合；评测时说「每个任务跑 50 个回合」，就是让机器人从头尝试 50 次再统计成功率。注意它和训练轮次（epoch，把整个数据集过一遍）不是一回事。