我一直在尝试MIT DeepTraffic Challenge，同时也在观看讲座和阅读幻灯片。

在对架构有了大致了解后，我开始好奇环境提供的奖励函数到底是什么。

1. 它是否与网格单元的输入（最大可行驶速度）相同？
2. 他们是否使用了奖励裁剪，还是没有？

我还找到了这个javascript的代码库，但这并没有真正帮助我理解。

回答：

奖励是在区间[-3, 3]内的平均速度的缩放值。

deeptraffic环境的实现位于这个文件中：https://selfdrivingcars.mit.edu/deeptraffic/gameopt.js

我正在尝试使其更易读。这里是正在进行中的版本：https://github.com/mljack/deeptraffic/blob/master/gameopt.js

    var reward = (avgSpeedMeasurement - 60) / 20;