Blackjack（二十一點）¶
此環境是 Toy Text（玩具文字）環境的一部分，其中包含關於環境的一般資訊。
Action Space（動作空間） |
|
Observation Space（觀察空間） |
|
import（導入） |
|
Blackjack（二十一點）是一種紙牌遊戲，目標是透過取得總點數接近 21 點（但不超過 21 點）的牌，來擊敗莊家。
Description（描述）¶
遊戲開始時，莊家有一張面朝上和一張面朝下的牌，而玩家有兩張面朝上的牌。所有牌都從無限牌組中發出（即替換發牌）。
牌面點數如下：
公仔牌（J、Q、K）的點數為 10 點。
Ace（A）可以算作 11 點（稱為「可用 Ace」）或 1 點。
數字牌（2-10）的點數等於其數字。
玩家擁有手牌的總點數。玩家可以要求額外的牌（要牌），直到他們決定停止（停牌）或超過 21 點（爆牌，立即輸牌）。
在玩家停牌後，莊家揭開其面朝下的牌，並繼續要牌直到其總點數為 17 點或更高。如果莊家爆牌，則玩家獲勝。
如果玩家和莊家都沒有爆牌，則結果（贏、輸、平手）取決於誰的總點數更接近 21 點。
此環境對應於 Sutton 和 Barto 在《Reinforcement Learning: An Introduction》範例 5.1 中描述的 blackjack（二十一點）問題 [1]。
Action Space（動作空間）¶
動作形狀為 (1,)，範圍為 {0, 1}，表示是否停牌或要牌。
0：停牌
1：要牌
Observation Space（觀察空間）¶
觀察由一個 3 元組組成，包含：玩家的當前總點數、莊家一張明牌的點數（1-10，其中 1 代表 Ace（A）），以及玩家是否持有可用 Ace（A）（0 或 1）。
觀察以 (int(), int(), int()) 的形式回傳。
Starting State（起始狀態）¶
起始狀態使用以下值初始化。
Observation（觀察） |
Values（值） |
|---|---|
Player current sum（玩家當前總點數） |
4, 5, …, 21 |
Dealer showing card value（莊家明牌點數） |
1, 2, …, 10 |
Usable Ace（可用 Ace） |
0, 1 |
Rewards（獎勵）¶
Episode End（回合結束）¶
在以下情況下，回合結束：
Termination（終止）
玩家要牌且手牌總點數超過 21 點。
玩家停牌。
Ace（A）將始終被視為可用（11 點），除非它導致玩家爆牌。
Information（資訊）¶
不回傳額外資訊。
Arguments（參數）¶
import gymnasium as gym
gym.make('Blackjack-v1', natural=False, sab=False)
natural=False：是否為起始就拿到 natural blackjack（自然 Blackjack）提供額外獎勵，即起始手牌為 Ace（A）和 10 點牌（總點數為 21 點）。
sab=False：是否遵循 Sutton 和 Barto 書中概述的確切規則。如果 sab 為 True，則關鍵字參數 natural 將被忽略。如果玩家獲得 natural blackjack（自然 Blackjack）而莊家沒有，則玩家獲勝（即獲得 +1 的獎勵）。反之規則不適用。如果玩家和莊家都獲得 natural blackjack（自然 Blackjack），則為平局（即獎勵 0）。
References（參考文獻）¶
[1] R. Sutton and A. Barto, “Reinforcement Learning: An Introduction” 2020. [Online]. Available: http://www.incompleteideas.net/book/RLbook2020.pdf
Version History（版本歷史）¶
v1：修正 Blackjack（二十一點）中的 natural（自然）處理方式
v0：初始版本發布