Правила блэкджека OpenAIGym

Question

Я делаю проект на OpenAIgym Blackjack, но правило кажется немного странным. У нас есть кортеж:

• Текущая сумма игрока 0,1, ..., 31.
• Дилер лицевой стороной вверх карты 1, ..., 10.
• Есть ли у игрока полезный туз (нет = 0, да = 1).

Агент выполняет два действия:

• stick = 0
• хит = 1

Награды:

• + 1: победа
• -1: проигрыш

• 0: рисунок

  for i_episode in range(3):  
      state = env.reset() 
      while True:  
          print(state) 
          action = env.action_space.sample()
          print(action)
          state, reward, done, info = env.step(action)
          if done:
              print('End game! Reward: ', reward)
              print('You won :)\n') if reward > 0 else print('You lost :(\n')
              break
  

  Вот что происходит, когда мы запускаем игру:

  (18, 7, False)
  0
  End game! Reward:  0.0
  You lost :(
  
  (19, 7, False)
  0
  End game! Reward:  1.0
  You won :)
  
  (18, 8, False)
  1
  End game! Reward:  -1
  You lost :(
  

  Я не очень понимаю, как для первой игры; у нас сумма 18, у дилера открытая карта - 7, и мы проигрываем? Не имеет смысла, мы не знаем, какова общая сумма дилера - она ​​должна быть больше 18 - но мы просто не знаем