Toni-SM/skrl

해결하는 문제

skrl은 강화학습(RL) 알고리즘을 구현하고 사용하는 모듈식이고 투명한 방법을 제공합니다. 다양한 환경 인터페이스 간의 에이전트 훈련 과정을 단순화하여, 유연한 구성과 동시에 여러 환경의 하위 집합(스코프)을 한 번의 실행에서 병렬로 훈련할 수 있도록 합니다.

작동 방식

이 라이브러리는 Python으로 구현되었으며, PyTorch, JAX, NVIDIA Warp와 같은 다양한 백엔드를 지원합니다. OpenAI Gym, Farama Gymnasium, PettingZoo, ManiSkill, NVIDIA Isaac Lab, MuJoCo Playground 등 다양한 환경 인터페이스와 통합됩니다.

대상 사용자

다양한 환경을 다루고 여러 딥러닝 프레임워크를 지원하는 모듈식이고 읽기 쉬우며 간단한 RL 라이브러리가 필요한 연구자 및 개발자에게 적합합니다.

주요 특징

• 다중 백엔드 지원: PyTorch, JAX, NVIDIA Warp와 호환.
• Hugging Face 통합: 모델은 Hugging Face에서 사용 가능.
• 넓은 환경 호환성: Gymnasium, PettingZoo, ManiSkill 및 Isaac Lab, MuJoCo Playground와 같은 전용 시뮬레이터 지원.
• 유연한 훈련: 한 번의 실행 내에서 스코프(환경의 하위 집합)별로 에이전트를 동시에 훈련 가능.