这是什么？
Gymnasium 是一个开源的 Python 库，提供了用于单智能体强化学习环境的标准 API，并附带一套常用的参考环境。它是 OpenAI Gym 的维护分支，在 OpenAI 将其移交之后继续开发。
Gymnasium 是一个开源的 Python 库，提供了用于单智能体强化学习环境的标准 API，并附带一套常用的参考环境。它是 OpenAI Gym 的维护分支，在 OpenAI 将其移交之后继续开发。这是一个框架，还是只是一批现成的环境？两者都是：它既提供了标准 API（基于 reset/step 方法的 Python 环境类），任何强化学习算法都可以对接；同时也提供了一系列开箱即用的参考环境，例如 Classic Control、Box2D、MuJoCo 和 Atari。
两者都是：它既提供了标准 API（基于 reset/step 方法的 Python 环境类），任何强化学习算法都可以对接；同时也提供了一系列开箱即用的参考环境，例如 Classic Control、Box2D、MuJoCo 和 Atari。我该如何安装并开始使用某个环境？使用 'pip install gymnasium' 安装基础库，然后创建环境实例并与之交互，例如 'CartPole-v1' 环境。
使用 'pip install gymnasium' 安装基础库，然后创建环境实例并与之交互，例如 'CartPole-v1' 环境。像 Atari 或 MuJoCo 这类特定环境系列是否需要额外的软件包？需要。基础安装不包含所有环境系列的依赖项，你需要按系列安装扩展包，例如 'pip install "gymnasium[atari]"'，或者使用 'pip install "gymnasium[all]"' 安装全部内容。
需要。基础安装不包含所有环境系列的依赖项，你需要按系列安装扩展包，例如 'pip install "gymnasium[atari]"'，或者使用 'pip install "gymnasium[all]"' 安装全部内容。为 Gym 环境编写的旧代码能直接在这里运行吗？不一定。环境有严格的版本编号，后缀如 '-v0'，而第三方环境可能针对较旧的 API 版本编写，因此你可能需要在 gymnasium.make 中使用 'applyenvcompatibility' 来做兼容处理。
不一定。环境有严格的版本编号，后缀如 '-v0'，而第三方环境可能针对较旧的 API 版本编写，因此你可能需要在 gymnasium.make 中使用 'applyenvcompatibility' 来做兼容处理。开箱即用的环境系列有哪些？Classic Control、Box2D、Toy Text、MuJoCo 和 Atari，以及许多兼容的第三方环境。
Classic Control、Box2D、Toy Text、MuJoCo 和 Atari，以及许多兼容的第三方环境。为什么环境版本管理很重要？Gymnasium 对环境实行严格的版本管理（例如 '-v0'、'-v1'），因此任何影响学习结果的改动都会提升版本号，从而保证结果可复现，避免行为悄然发生变化。
Gymnasium 对环境实行严格的版本管理（例如 '-v0'、'-v1'），因此任何影响学习结果的改动都会提升版本号，从而保证结果可复现，避免行为悄然发生变化。是否有基于 Gymnasium 构建的相关库？CleanRL 提供基于 Gymnasium API 的强化学习算法参考实现，PettingZoo 则将同样的 API 设计扩展到多智能体环境。
CleanRL 提供基于 Gymnasium API 的强化学习算法参考实现，PettingZoo 则将同样的 API 设计扩展到多智能体环境。为什么要创建这个项目，而不直接使用 OpenAI Gym？几年前 OpenAI 将 Gym 的维护工作移交给了外部团队，Gymnasium 就是该团队维护的分支，今后所有的开发和维护工作都在这里进行。
几年前 OpenAI 将 Gym 的维护工作移交给了外部团队，Gymnasium 就是该团队维护的分支，今后所有的开发和维护工作都在这里进行。What are similar projects?AirSim, cleanrl, stable-baselines3, ml-agents, carla, dopamine, dqn-adaptive-cpu-scheduler, baselines
AirSim, cleanrl, stable-baselines3, ml-agents, carla, dopamine, dqn-adaptive-cpu-scheduler, baselinesWhich topics is it in?gym, deep-reinforcement-learning, physics, simulation, reinforcement-learning, pytorch, benchmark, openai, deep-learning, research, machine-learning, api
gym, deep-reinforcement-learning, physics, simulation, reinforcement-learning, pytorch, benchmark, openai, deep-learning, research, machine-learning, api