Farama-Foundation/MO-Gymnasium

何を解決するか

マルチオブジェクティブ強化学習（MORL）アルゴリズムの開発と比較を標準化された方法で行うことを可能にします。一貫したAPIとベンチマーク環境のセットを提供することで、研究者が新しいマルチオブジェクティブ問題ごとにカスタムインターフェースを構築する必要がなくなります。

動作方法

MO-Gymnasiumは標準的なGymnasium APIを拡張しています。従来の強化学習環境は単一のスカラー報酬を返すのに対し、MO-Gymnasium環境はベクトル化されたnumpy配列として報酬を返すため、エージェントが複数の目標を同時に最適化できるようになります。また、重みを使用してこれらのベクトル報酬を単一のスカラー値に変換するLinearRewardラッパーも含まれています。

対象ユーザー

マルチオブジェクティブ強化学習および計画に取り組んでいる研究者や開発者向けに設計されています。

特徴

• MORLアルゴリズムと環境間の通信に使用できる標準化されたAPI。
• MORLの文献から選ばれた多数の環境およびMuJocoなどの古典的環境のマルチオブジェクティブ版を含む。
• 研究の再現性を確保するため、環境の厳密なバージョン管理。
• Gymnasiumエコシステムと互換性がある。