Farama-Foundation/Minigrid

解决的问题

Minigrid 提供了一套轻量、快速且可自定义的离散网格世界环境，专为强化学习 (RL) 研究而设计。它允许研究人员在具有障碍物和目标导向任务的受控 2D 地图中测试智能体，而无需复杂模拟的额外开销。

运作方式

该函数库遵循 Gymnasium 标准 API。它包含两大类环境：

• Minigrid：智能体（以三角形表示）在包含墙壁、岩浆或动态障碍物的 2D 地图中导航。它们必须完成由“任务”字符串描述的目标，例如捡起箱子或用钥匙开门。
• BabyAI：这些环境专注于基础语言学习，通过生成合成的自然语言指令（例如：“把红球放在你左边的箱子旁边”），智能体必须遵循这些指令来完成任务。

适用对象

它专为从事强化学习、基础语言学习和课程学习的研究人员和开发人员而设计，因为环境的大小和复杂度可以通过程序进行调整。

特点

• Gymnasium API：完全兼容于标准 RL 环境 API。
• 可自定义：环境的难度和复杂度可以调整，以支持课程学习。
• 基础语言：包含 BabyAI 环境，用于测试智能体如何响应自然语言指令。
• 轻量级：专为高速执行和低资源消耗而设计。