DLR-RM/rl-baselines3-zoo

何を解決するか

RL Baselines3 Zoo は強化学習（RL）エージェントのトレーニング、評価、ベンチマークを簡素化します。標準化されたフレームワークと、多数の一般的な環境向けに事前に最適化されたハイパーパラメータの豊富なコレクションを提供することで、プロジェクトの開始に伴う試行錯誤を排除します。

仕組み

Stable Baselines3 を基盤として構築されたこのフレームワークは、RLワークフローを実行するためのコマンドラインインターフェース（CLI）を提供します。ユーザーはアルゴリズムと環境を指定してエージェントをトレーニングでき、設定された間隔で性能を評価し、結果のプロットやエージェントの動作動画の記録に使用できるスクリプトを利用できます。また、最適化されたハイパーパラメータを含むYAMLファイルのライブラリと、事前にトレーニングされたエージェントのリポジトリも含まれています。

対象ユーザー

異なるアルゴリズムを迅速にベンチマークしたいRL実務家や研究者、すべてのハイパーパラメータを手動でチューニングせずにエージェントをトレーニングしたい人、または標準環境向けの高性能な事前トレーニング済みモデルにアクセスしたい人向けです。

特徴

• 広範なライブラリ: Atari、Classic Control、Box2D、PyBullet、MuJoCo、Roboticsなど、200以上の環境に対応する最適化されたハイパーパラメータとトレーニング済みエージェントを含みます。
• 統合ツール: トレーニング、評価、ハイパーパラメータチューニング、結果の可視化のための組み込みスクリプトを提供します。
• 広範な互換性: PPO、DQN、SAC、TD3、TQC など、多数のRLアルゴリズムをサポートします。
• 外部統合: 実験の追跡には Weights & Biases、モデルの共有には Hugging Face と連携しています。