Farama-Foundation/MO-Gymnasium

해결하는 문제

다중 목적 강화 학습(MORL) 알고리즘을 개발하고 비교하는 데 표준화된 방법을 제공합니다. 일관된 API와 벤치마크 환경 세트를 통해 연구자들이 새로운 다중 목적 문제마다 맞춤형 인터페이스를 구축할 필요가 없어집니다.

작동 방식

MO-Gymnasium은 표준 Gymnasium API를 확장합니다. 기존 강화 학습 환경은 단일 스칼라 보상을 반환하지만, MO-Gymnasium 환경은 벡터화된 numpy 배열로 보상을 반환하여 에이전트가 동시에 여러 목표를 최적화할 수 있게 합니다. 또한 가중치를 사용해 이러한 벡터 보상을 단일 스칼라 값으로 변환할 수 있는 LinearReward 래퍼도 포함되어 있습니다.

대상 사용자

다중 목적 강화 학습 및 계획에 종사하는 연구자와 개발자에게 적합합니다.

주요 특징

• MORL 알고리즘과 환경 간 통신을 위한 표준화된 API.
• MORL 문헌에서 선정된 다양한 환경과 MuJoco와 같은 전통적 환경의 다중 목적 버전 포함.
• 연구 재현성을 보장하기 위한 환경의 엄격한 버전 관리.
• Gymnasium 생태계와 호환됩니다.