reinforcement-learning

ReSearch: Aprendizaje para razonar con búsqueda para LLMs mediante aprendizaje por refuerzo y ReCall: Aprendizaje para razonar con llamadas a herramientas para LLMs mediante aprendizaje por refuerzo

Algoritmos concisos y elegantes escritos en Julia

Una lista curada de recursos excelentes sobre aprendizaje por refuerzo basado en modelos (actualizada continuamente)

Implementaciones de RL.

Un gato robótico programable y altamente maniobrable para educación STEM y servicios mejorados con IA.

SMAC: El desafío multiagente de StarCraft.

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"

Implementación en PyTorch de Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet..

Ecosistema vivo donde los agentes de IA completan tareas a través de bucles de flujo de trabajo, mejoran mediante ejecución iterativa, son evaluados por agentes mentores o humanos, y convierten el trabajo completado en experiencia laboral reutilizable y datos para mejorar futuros agentes.

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

Un formato estándar para conjuntos de datos de aprendizaje por refuerzo offline, con conjuntos de datos de referencia populares y utilidades relacionadas.

Notas de lectura sobre Deep Learning y Machine Learning

Una implementación de PPO simple y bien estructurada. Basada en mi serie de Medium: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

Investigación de aprendizaje por refuerzo en dispositivos Android.

Generación de conjuntos de factores bursátiles alfa (predictivos) mediante aprendizaje por refuerzo.

Entrenamiento de un robot humanoide para la locomoción mediante aprendizaje por refuerzo

Notas de clase, tareas de tutoriales con soluciones y videos en línea para el curso de aprendizaje por refuerzo de la Universidad de Paderborn.

Framework computacional para el aprendizaje por refuerzo en el control de tráfico

[ECCV 2026] MixGRPO: Desbloqueo de la eficiencia de GRPO basado en flujos con ODE-SDE mixtas

Evalúe y mejore modelos y agentes utilizando entornos.

Evaluación y reproducción de políticas de manipulación robótica del mundo real (ej. RT-1, RT-1-X, Octo) en simulación bajo configuraciones comunes (ej. Google Robot, WidowX+Bridge) (CoRL 2024)

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

Biblioteca avanzada de computación evolutiva construida directamente sobre PyTorch, creada en NNAISENSE.

Escuela de entrenamiento de aprendizaje por refuerzo multi-agente escalable para conducción autónoma.

:computer: Aprende a hacer que las máquinas aprendan para que no tengas que esforzarte en programarlas; La lista definitiva

Un simulador de robots ligero basado en Python diseñado para navegación, control y aprendizaje

Embeddings de habilidades adversarias para entrenar controladores reutilizables en personajes simulados físicamente.

[ICLR 2026] Optimización de políticas reforzadas por agentes (ARPO)

Presentamos el conjunto de datos Audio Logical Reasoning (ALR), que consta de 6,446 muestras anotadas de texto-audio diseñadas específicamente para tareas de razonamiento complejo. Basándonos en este recurso, proponemos SoundMind, un algoritmo de aprendizaje por refuerzo (RL) basado en reglas diseñado para dotar a los modelos de lenguaje de audio (ALM) de capacidades de razonamiento bimodal profundo.