aravindr93/mjrl

Reinforcement learning algorithms for MuJoCo tasks

What it solves

它提供了一套专门为 MuJoCo 物理模拟环境中的连续控制任务设计的标准化强化学习 (RL) 算法。

How it works

该包使用 PyTorch 实现了多种 RL 算法，允许研究人员在模拟环境中训练智能体以执行复杂的物理运动。

Who it’s for

面向使用 MuJoCo 模拟器的机器人技术和连续控制领域的研究人员与开发者。

Highlights

  • 实现了多种用于连续控制的 RL 算法。
  • 基于 PyTorch 并与 OpenAI Gym 兼容。
  • 支持复杂的灵巧操作任务。

相关

  • 项目
    google-deepmind/dm_control

    A software stack for physics-based simulation and Reinforcement Learning environments powered by the MuJoCo physics engine.

  • 项目
    Farama-Foundation/Gymnasium-Robotics

    一个基于MuJoCo物理引擎和Gymnasium API的强化学习机器人环境集合，用于在操作和导航任务中训练AI代理。

  • 项目
    rlcode/reinforcement-learning

    一套易读、独立的 PyTorch 实现，涵盖核心强化学习算法，从基础的 Grid World 到 Atari 游戏的深度 RL。

  • 项目
    kengz/SLM-Lab

    一个用于深度强化学习的模块化 PyTorch 框架，允许用户通过 JSON 规范在各种 Gymnasium 环境中配置并运行 RL 实验。

  • 项目
    MushroomRL/mushroom-rl

    MushroomRL 是一个模块化的 Python 强化学习库，提供广泛的经典和深度 RL 算法，并与流行的张量库和基准集成。