DLR-RM/stable-baselines3

해결하는 문제

Stable Baselines3 (SB3)는 신뢰할 수 있고, 테스트된, 표준화된 강화학습(RL) 알고리즘의 구현을 제공합니다. 연구자와 개발자가 이러한 알고리즘을 처음부터 구현할 필요 없이, 다양한 RL 접근 방식의 재현, 개선, 비교를 위한 일관된 기준을 제공합니다.

작동 방식

SB3는 PyTorch 기반으로, scikit-learn과 유사한 문법을 따르며 RL 알고리즘을 접근하기 쉽게 만듭니다. 사용자는 정책과 환경(Gymnasium의 것 등)을 정의한 후, 간단한 .learn() 메서드를 사용해 에이전트를 학습시킬 수 있습니다. 이 라이브러리는 다양한 행동 및 관측 공간(예: Dict 관측 공간 포함)을 지원하며, Tensorboard를 통한 모니터링과 Weights & Biases를 통한 실험 추적과 통합됩니다.

대상 사용자

강화학습의 기본 지식을 갖춘 연구자, 산업 전문가, 그리고 초보자에게 적합합니다. 구현 세부 사항에 얽매이지 않고 안정적인 도구 세트를 통해 RL 프로젝트를 구축하고 싶은 분들에게 추천합니다.

주요 특징

• 표준화된 알고리즘: PPO, DQN, SAC, TD3와 같은 최신 RL 기법을 구현.
• 일관된 인터페이스: 모든 알고리즘에 공통 인터페이스를 사용해 사용 편의성 향상.
• 확장성: 사용자 정의 환경, 사용자 정의 정책, 사용자 정의 콜백 지원.
• 광범위한 호환성: Gymnasium 환경과 호환되며, 병렬 처리를 지원해 학습 속도 향상.
• 에코시스템: 학습 및 하이퍼파라미터 튜닝을 위한 RL Baselines3 Zoo와 실험 기능을 위한 SB3-Contrib을 포함한 확장된 생태계.