该端口用于接收环境的观测信号。观测信号表示测量或其他瞬时系统数据。如果你有多个观察结果，你可以使用Mux块将它们组合成矢量信号。若要使用非虚拟总线信号，请使用bus2RLSpec．

此端口接收奖励信号，根据观测数据计算奖励信号。在训练过程中，利用奖励信号实现对长期奖励的期望最大化。

使用此信号指定终止训练集的条件。您必须配置适合您的系统的逻辑，以确定事件终止的条件。其中一个应用是终止一集显然进展顺利或不顺利的节目。例如，如果代理达到了它的目标或无法恢复地远离了它的目标，您可以终止一集。

使用这个信号为块提供一个外部动作。该信号可以是来自人类专家的控制动作，可用于安全或模仿学习应用。的值时使用外部行动信号是1，传递对外行动信号通过行动块的输出。该块还使用外部操作根据结果观察和奖励来更新代理策略。

依赖关系

要启用此端口，请选择外部动作输入参数。

对于某些应用程序，应用于环境的操作可能与控件输出的操作不同RL代理块。例如，Simulink模型可以在动作输出信号上包含一个饱和块。

在这种情况下，为了提高学习结果，您可以启用这个输入端口，并连接应用到环境中的实际操作信号。

依赖关系

要启用此端口，请选择最后的动作输入参数。

用这个信号通过对外行动向环境发出信号。

的值时使用外部行动信号是1块通过对外行动向环境发出信号。该块还使用外部操作来更新代理策略。

的值时使用外部行动信号是0块没有通过对外行动向环境发送信号，而不使用外部操作更新策略。相反，来自块的操作使用来自代理策略的操作。

依赖关系

要启用此端口，请选择外部动作输入参数。

由代理根据观察和奖励输入计算的行动。将此端口连接到系统的输入端。若要使用非虚拟总线信号，请使用bus2RLSpec．

模拟过程中奖励信号的累积和。观察或记录这个信号，以跟踪累积奖励是如何随时间演变的。

依赖关系

要启用此端口，请选择累积奖励输出参数。

输入存储在MATLAB工作区或数据字典中的代理对象的名称，例如rlACAgent或rlDDPGAgent对象。有关代理对象的信息，请参见强化学习代理．

如果RL代理块在一个有条件执行的子系统中，例如触发子系统(模型)或者一个函数调用子系统(模型)时，必须将代理对象的采样时间指定为－1这样块就可以继承它的父子系统的采样时间。

编程使用

生成一个政策中指定的代理实现贪婪策略的代理对象通过调用generatePolicyBlock块功能。为了生成贪婪策略，该块设置UseExplorationPolicy代理的属性假在生成策略块之前..

生成的块被添加到新的Simulink模型中，策略数据被保存在当前工作文件夹中的一个mat文件中。

启用对外行动而且使用外部行动通过选择此参数来阻塞输入端口。

编程使用

启用最后的动作通过选择此参数来阻塞输入端口。

编程使用

启用累积奖励通过选择此参数阻止输出。

编程使用

选择此参数强制观测数据类型。在这种情况下，如果数据类型的信号连接到观察的数据类型与输入端口不匹配ObservationInfo属性时，块将尝试将信号转换为正确的数据类型。如果不能强制转换数据类型，则块生成一个错误。

强制执行严格的数据类型:

编程使用