Toni-SM/skrl

解決的問題

skrl 提供了一種模組化且透明的方式來實現與使用強化學習（RL）演算法。它簡化了在各種環境介面之間訓練代理的過程，支援靈活的設定，並允許在單次執行中同時對環境子集（範圍）進行訓練。

工作原理

此套件以 Python 實作，支援多種後端，包括 PyTorch、JAX 與 NVIDIA Warp。它與多種環境介面整合，例如 OpenAI Gym、Farama Gymnasium、PettingZoo、ManiSkill、NVIDIA Isaac Lab 與 MuJoCo Playground。

適用對象

專為需要模組化、易讀且簡單的 RL 套件的研究人員與開發者設計，能處理多樣化的環境，並支援多種深度學習框架。

主要特色

• 多後端支援：支援 PyTorch、JAX 與 NVIDIA Warp。
• Hugging Face 整合：模型可在 Hugging Face 上取得。
• 廣泛的環境相容性：支援 Gymnasium、PettingZoo、ManiSkill 以及 Isaac Lab 與 MuJoCo Playground 等專用模擬器。
• 彈性訓練：支援在單次執行中按範圍（環境子集）同時訓練多個代理。