DLR-RM/rl-baselines3-zoo

해결하는 문제

RL Baselines3 Zoo는 강화학습(RL) 에이전트의 훈련, 평가, 벤치마킹 과정을 간소화합니다. 다양한 일반 환경에 대해 사전 최적화된 하이퍼파라미터의 방대한 컬렉션과 표준화된 프레임워크를 제공함으로써 프로젝트 시작 시 추측을 줄입니다.

작동 방식

Stable Baselines3 위에 구축된 이 프레임워크는 RL 워크플로우를 실행하기 위한 명령줄 인터페이스(CLI)를 제공합니다. 사용자는 알고리즘과 환경을 지정하여 에이전트를 훈련하고, 설정된 간격으로 성능을 평가하며, 결과를 시각화하거나 에이전트의 동작을 녹화하는 데 사용할 수 있는 제공된 스크립트를 활용할 수 있습니다. 또한 최적화된 하이퍼파라미터를 포함한 YAML 파일 라이브러리와 사전 훈련된 에이전트의 저장소도 포함되어 있습니다.

대상 사용자

다양한 알고리즘을 빠르게 벤치마킹하고 싶은 RL 전문가 및 연구자, 모든 하이퍼파라미터를 수동으로 튜닝하지 않고 에이전트를 훈련하고 싶은 사용자, 또는 표준 환경용 고성능 사전 훈련 모델에 접근하고 싶은 사용자에게 적합합니다.

주요 특징

• 광범위한 라이브러리: Atari, Classic Control, Box2D, PyBullet, MuJoCo, Robotics 등 200개 이상의 환경에 대해 최적화된 하이퍼파라미터와 훈련된 에이전트를 포함합니다.
• 통합 도구: 훈련, 평가, 하이퍼파라미터 튜닝, 결과 시각화를 위한 내장 스크립트를 제공합니다.
• 광범위한 호환성: PPO, DQN, SAC, TD3, TQC 등 다양한 RL 알고리즘을 지원합니다.
• 외부 통합: 실험 추적을 위해 Weights & Biases와 연동하고, 모델 공유를 위해 Hugging Face와 연동합니다.