LunarLander-v2是强化学习常用的例子，根据官方文档，对它的描述大致为：“着陆平台始终位于坐标（0,0）。坐标是状态向量的前两个数字。从屏幕顶部移动到着陆台和零速度的奖励大约是100到140分。如果着陆器离开着陆台，它将失去回报。如果着陆器坠毁或停止，则回合结束，获得额外的-100或+100点。每脚接地为+10。点火主机每帧-0.3分。正解为200分。可以在着陆平台外着陆。燃料是无限的，所以智能体可以学会飞行，然后在第一次尝试时降落。四个独立的行动可用：什么都不做，发动左方向引擎，发动主机，发动右方向引擎。”
LunarLander-v2 有8个状态，根据其源代码可知分别为：
- 水平坐标x
- 垂直坐标y
- 水平速度
- 垂直速度
- 角度
- 角速度
- 腿1触地
- 腿2触地