google-deepmind/dqn_zoo

解决的问题

DQN Zoo 提供了多种 Deep Q-Network (DQN) 代理的参考实现。它解决了复现 DeepMind 的 DQN 基础强化学习论文研究成果的问题，为研究人员提供了一个可读性强且自包含的代码库，可轻松 fork 并自定义。

如何工作

该项目使用 JAX、Haiku 和 RLax 实现。包含不同 DQN 变体（如 Double DQN、优先经验回放、C51、QR-DQN、Rainbow 和 IQN）的独立目录，每个目录都复现了其对应论文中的算法细节。代理配置为使用 OpenAI Gym 接口在标准的 57 个 Atari 游戏上运行。

适用人群

专为需要可靠 DQN 变体参考实现的研究人员设计，可用于作为自身研究的基线或起点。

主要亮点

• 参考实现：复现了多种 DQN 变体（包括 Rainbow 和 IQN）在 57 个 Atari 游戏上的结果。
• 研究友好：优先考虑代码可读性和最小依赖，而非通用库的灵活性。
• 基于 JAX：使用 JAX、Haiku 和 RLax 实现，以实现高效计算。
• 自包含：包含基于 Docker 的快速启动，用于处理依赖项和 Atari ROM 文件。