请给我一个用gym环境测试强化学习的例子

在使用 gym（Google的强化学习环境库）测试强化学习算法时，一个常见的例子是“CartPole-v0”任务。在这个游戏中，有一个小杆子连接着一个小车，目标是通过控制小车左右移动来保持杆子直立。智能体（agent）需要通过不断尝试并接收回报（positive or negative），学习如何在环境中采取最佳动作来最大化累积奖励。

以下是使用Python和`gym`的基本步骤：

import gym
from stable_baselines3 import PPO

# 创建环境实例
env = gym.make('CartPole-v0')

# 使用PPO模型（你可以选择其他算法）
model = PPO('MlpPolicy', env)

# 训练模型
model.learn(total_timesteps=10000) # 这里指定了总共训练的步数

# 测试模型
state = env.reset()
for _ in range(100): # 执行100次游戏循环
    action, _states = model.predict(state)
    state, reward, done, info = env.step(action)
    if done:
        break

# 关闭环境
env.close()