Numpyのブロードキャストのエラー

Question

前提・実現したいこと

交通シミュレータSimulation of Urban MObility(SUMO)において以下のエラーを修正し、動作するようにしたい

発生している問題・エラーメッセージ

Step #0.00 (0ms ?*RT. ?UPS, TraCI: 13ms, vehicles TOT 0 ACT 0 BUF 0)
Step #0.00 (0ms ?*RT. ?UPS, TraCI: 13ms, vehicles TOT 0 ACT 0 BUF 0)             

Retrying in 1 seconds

Traceback (most recent call last):
  File "test.py", line 51, in <module>
    model.learn(total_timesteps=400000)
  File "stable_baselines/a2c/a2c.py", line 238, in learn
    runner = A2CRunner(self.env, self, n_steps=self.n_steps, gamma=self.gamma)
  File "stable_baselines/a2c/a2c.py", line 319, in __init__
    super(A2CRunner, self).__init__(env=env, model=model, n_steps=n_steps)
  File "stable_baselines/common/runners.py", line 19, in __init__
    self.obs[:] = env.reset()
ValueError: could not broadcast input array from shape (2) into shape (2,21)

要素数2の配列は2×21にブロードキャストできないというエラーでした。

該当のソースコード

#------------------------------test.py---------------------------------------------------
import gym
import argparse
import os
import sys
if 'SUMO_HOME' in os.environ:
    tools = os.path.join(os.environ['SUMO_HOME'], 'tools')
    sys.path.append(tools)
else:
    sys.exit("Please declare the environment variable 'SUMO_HOME'")

os.environ ['KMP_DUPLICATE_LIB_OK'] = 'True'
   
import pandas as pd
from gym import spaces
import numpy as np
from sumo_rl.environment.env import SumoEnvironment
from sumo_rl.util.gen_route import write_route_file
import traci
from stable_baselines.common.vec_env import SubprocVecEnv
from stable_baselines import A2C
from stable_baselines.common.policies import MlpPolicy



# multiprocess environment
if __name__ == "__main__":
    n_env = 2
    env = SubprocVecEnv([lambda: SumoEnvironment(net_file='test.net.xml ',
                                    route_file='test.rou.xml',
                                    out_csv_name='test.result',
                                    
                                    use_gui=True,
                                    num_seconds=80000,
                                    time_to_load_vehicles=120,
                                    max_depart_delay=8000,
                                    phases=[
                                        traci.trafficlight.Phase(34, "rrrGGrrrrGGr"),  
                                        traci.trafficlight.Phase(3, "rrryyrrrryyr"),
                                        traci.trafficlight.Phase(34, "rrrrrGrrrrrG"),   
                                        traci.trafficlight.Phase(3, "rrrrryrrrrry"),
                                        traci.trafficlight.Phase(34, "GGrrrrGGrrrr"),   
                                        traci.trafficlight.Phase(3, "yyrrrryyrrrr"),
                                        traci.trafficlight.Phase(34, "rrGrrrrrGrrr"), 
                                        traci.trafficlight.Phase(3, "rryrrrrryrrr"),
            
                                        ]) for i in range(n_env)])
                                      
    
    model = A2C(policy=MlpPolicy, env=env , verbose=1, learning_rate=1e-3, lr_schedule='constant')
    model.learn(total_timesteps=80000)


#------------------------------runners.py------------------------------------------------

import numpy as np
from abc import ABC, abstractmethod

class AbstractEnvRunner(ABC):
    def __init__(self, *, env, model, n_steps):
        """
        A runner to learn the policy of an environment for a model

        :param env: (Gym environment) The environment to learn from
        :param model: (Model) The model to learn
        :param n_steps: (int) The number of steps to run for each environment
        """
        self.env = env
        self.model = model
        n_env = env.num_envs
        self.batch_ob_shape = (n_env*n_steps,) + env.observation_space.shape
        self.obs = np.zeros((n_env,) + env.observation_space.shape, dtype=env.observation_space.dtype.name)
        self.obs[:] = env.reset()
        self.n_steps = n_steps
        self.states = model.initial_state
        self.dones = [False for _ in range(n_env)]

    @abstractmethod
    def run(self):
        """
        Run a learning step of the model
        """
        raise NotImplementedError

補足情報（FW/ツールのバージョンなど）

Python 3.6
SUMO 1.7.0
筆者/まったくの初心者

Answer 1

エラーが出ている、

self.obs[:] = env.reset()

の部分を

self.obs[:] = env.reset()[:, None]

とすればエラーがでなくなると思います（希望する挙動と違っていたらすみません）。

Comments

[ryryy]

ご回答いただきありがとうございます。
self.obs[:] = env.reset() → self.obs[:] = env.reset()[:, None]
のように変更したところ以前のエラーは修正できましたが、修正した行で
TypeError: float() argument must be a string or a number, not 'dict'
といったエラーが出てしまいました。
「float()の引数は辞書型ではなく、文字列か数値でなくてはならない。」という意味だと思うのですが具体的にどのように直せば良いかご教授いただけたら幸いです。