Farama-Foundation/MO-Gymnasium

解决的问题

提供了一种标准化的方式来开发和比较多目标强化学习（MORL）算法。通过提供一致的 API 和一组基准环境，消除了研究人员为每个新的多目标问题构建自定义接口的需要。

工作原理

MO-Gymnasium 扩展了标准的 Gymnasium API。传统强化学习环境返回单个标量奖励，而 MO-Gymnasium 环境返回向量化的 numpy 数组作为奖励，使智能体能够同时优化多个目标。它还包含一个 LinearReward 包装器，可使用权重将这些向量奖励转换回单个标量值。

适用人群

专为从事多目标强化学习和规划的研究人员和开发者设计。

主要亮点

• 用于 MORL 算法与环境之间通信的标准化 API。
• 包含来自 MORL 文献的多种环境，以及 MuJoco 等经典环境的多目标版本。
• 对环境进行严格的版本控制，以确保研究的可复现性。
• 与 Gymnasium 生态系统兼容。