Farama-Foundation/Minari

它解决了什么问题

Minari 为离线强化学习 (RL) 提供了一种标准化的方式来管理、共享和加载数据集。它充当了 RL 数据的中心枢纽，类似于 HuggingFace 的 datasets 库在 NLP 中的作用，允许研究人员轻松访问预录制的经验数据，而无需与实时环境进行交互。

工作原理

Minari 允许用户通过命令行界面下载远程数据集，或使用 minari.load_dataset() 直接将其加载到 Python 中。它还为 Gymnasium 环境提供了一个 DataCollector 封装器，使用户能够记录自己的智能体交互（观测、动作、奖励和终止状态）并将其保存为新的数据集。

适用对象

它专为从事离线强化学习的研究人员和开发人员设计，这些人员需要一种一致的格式来处理经验数据集。

亮点

• 标准化的数据加载：用于遍历回合（episodes）并访问 RL 特定数据（如奖励和观测）的简单 API。
• 数据集创建：内置工具可从 Gymnasium 环境中记录数据，以创建新的离线数据集。
• CLI 工具：用于列出、显示和下载数据集的命令行实用程序。