deep-reinforcement-learning

Jugando al juego de la serpiente con IA.

Los 200 principales repositorios de deep learning en GitHub ordenados por número de estrellas.

Una biblioteca de aprendizaje por refuerzo profundo offline.

Una lista curada de recursos sobre modelos de difusión en aprendizaje por refuerzo (actualizada continuamente).

Curso gratuito que te lleva de cero a profesional en Aprendizaje por Refuerzo

Para el aprendizaje por refuerzo profundo y el futuro de la IA.

Plataforma de inteligencia artificial para StarCraft II con entrenamiento distribuido a gran escala y agentes de nivel gran maestro.

Aprendizaje por refuerzo profundo para la navegación de robots móviles en el simulador ROS Gazebo. Utilizando la red neuronal Twin Delayed Deep Deterministic Policy Gradient (TD3), un robot aprende a navegar hacia un punto objetivo aleatorio en un entorno simulado mientras evita obstáculos.

Framework modular de aprendizaje por refuerzo profundo en PyTorch. Biblioteca complementaria del libro "Foundations of Deep Reinforcement Learning"

Un solo repositorio es todo lo que se necesita para el aprendizaje por refuerzo multi-agente (MARL).

Implementaciones mínimas de Deep Q Learning (DQN y DDQN) en Keras

JMLR: OmniSafe es un marco de infraestructura para acelerar la investigación en SafeRL.

Implementaciones de RL en Jax extremadamente rápidas de extremo a extremo

Biblioteca que proporciona tareas de manipulación con manos diestras duales a través de Isaac Gym.

Entornos de aprendizaje por refuerzo para el control de semáforos con SUMO. Compatible con Gymnasium, PettingZoo y bibliotecas populares de RL.

Código fuente del libro "Reinforcement Learning: Theory and Python Implementation"

Optimización del aprendizaje por refuerzo con RLOps. Algoritmos y herramientas de RL de vanguardia, con un entrenamiento 10 veces más rápido mediante optimización evolutiva de hiperparámetros.

Gibson Environments: percepción del mundo real para agentes encarnados

Biblioteca de Python para aprendizaje por refuerzo.

Una lista curada de recursos destacados sobre aprendizaje profundo por refuerzo (Deep Reinforcement Learning).

Código en Pytorch para el artículo de ICLR-20 "Learning to Explore using Active Neural SLAM".

Este repositorio contiene la mayoría de las implementaciones en PyTorch basadas en algoritmos clásicos de aprendizaje por refuerzo profundo, incluyendo DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO y TRPO. (Más algoritmos en desarrollo)

Una biblioteca de PyTorch para crear agentes de aprendizaje por refuerzo profundo.

Un paquete de aprendizaje por refuerzo para Julia

La IA "Phillip" para SSBM

Algoritmos de aprendizaje por imitación

Script en Python para la segmentación de trazos y líneas. Al ingresar datos de máximos y mínimos de velas, realiza automáticamente la segmentación de trazos, líneas, centros, puntos de compra/venta y tipos de tendencia. Admite archivos sh.csv como entrada.

Simulador de humano-vehículo.

Aprendizaje por refuerzo profundo (PPO) en conducción autónoma (Carla) [desde cero].

Yang-le-ge-yang + Aprendizaje por refuerzo profundo (Deep Reinforcement Learning + juego de 3 fichas).