奖励是如何融入学习过程的?

我有一个环境,在这个环境中,我试图使用 baseline3 图书馆。由于我的例子很大,我使用以下例子来澄清我的问题。

问题

1. 在学习过程中,环境重构实际上融入了哪些方面?

2. 奖励有上限和下限吗?

我的代码:

from stable_baselines.common.policies import MlpPolicy
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2

env = gym.make('CartPole-v1')
   

model = PPO2(MlpPolicy, env, verbose=1)
model.learn(total_timesteps=10000)

obs = env.reset()
for i in range(1000):
    action, _states = model.predict(obs)
    obs, rewards, dones, info = env.step(action)
    env.render()

我还没有找到任何关于这方面的信息。