Espace d'action de gym pour le jeu de société avec fonction de récompense

Question

J'essaie de concevoir un environnement de gym Openai qui joue un jeu de société assez simple où chaque joueur a 16 pièces qui sont exactement les mêmes en ce qui concerne la façon dont ils peuvent se déplacer.

La carte est 10x10 et chaque pièce peut augmenter, en bas, à gauche, à droite, up_left, up_right, down_left, down_right. Ils peuvent se déplacer dans cette direction autant de champs que les pièces sont dans cette ligne, y compris la pièce qui se déplace. Donc, si je veux aller à gauche, je compte toutes les autres pièces à ma gauche et que ma droite ajoute 1 pour moi-même, puis allez autant de champs à gauche. Le champ peut être obstrué, auquel cas le mouvement n'est pas possible.

Ma question est donc: comment pourrais-je mettre en œuvre un espace d'action pour cela? Serait discret avec le (SICE du conseil d'administration) * (combien d'actions [Up, Down ...]) appropriées? Et comment puis-je enseigner au RL AI (PPO2) qu'une décision n'est pas possible? Dois-je simplement donner une récompense négative et donner le même état qu'auparavant?

J'apprécierais grandement l'aide :)