DLR-RM/stable-baselines3

解決的問題

Stable Baselines3 (SB3) 提供一組可靠、經過測試且標準化的強化學習（RL）演算法實作。它消除了研究人員與開發者從頭實作這些演算法的需要，為重現、改良與比較不同 RL 方法提供一致的基準。

如何運作

SB3 基於 PyTorch 建構，並採用類似 scikit-learn 的語法，使 RL 演算法更易於使用。使用者只需定義一個策略與一個環境（例如 Gymnasium 中的環境），然後使用簡單的 .learn() 方法即可訓練智能體。該套件支援多種動作與觀察空間（包含 Dict 觀察空間），並可與 Tensorboard 集成以進行監控，以及與 Weights & Biases 集成以追蹤實驗。

適用對象

專為具備基本強化學習知識的研究人員、產業專業人士與初學者設計，幫助他們無需陷入實作細節，即可使用穩定的工具組來建構 RL 專案。

主要特色

• 標準化演算法：實作先進的 RL 方法，如 PPO、DQN、SAC 與 TD3。
• 一致的介面：所有演算法使用統一介面，方便使用。
• 可擴展性：支援自訂環境、自訂策略與自訂回呼（callback）。
• 廣泛相容性：相容 Gymnasium 環境，支援多進程以加快訓練速度。
• 生態系統：屬於更大的生態系統，包含 RL Baselines3 Zoo（用於訓練與超參數調校）與 SB3-Contrib（用於實驗性功能）。