reinforcement-learning

Algoritmo Asynchronous Advantage Actor-Critic (A3C) para Super Mario Bros

Implementaciones de RL en Jax extremadamente rápidas de extremo a extremo

Biblioteca modular de aprendizaje por refuerzo (RL) (implementada en PyTorch, JAX y NVIDIA Warp) con soporte para Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground y otros entornos.

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

XuanCe: Una biblioteca de aprendizaje por refuerzo profundo integral y unificada.

Un fork de gym-retro con juegos, emuladores y plataformas adicionales compatibles.

Un índice de algoritmos para aprendizaje por refuerzo offline (offline-rl).

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

Libros, PDF y EPUB para diferentes campos de la programación.

Guía esencial para mantenerse al día con AI/ML/DL/CV

La pila de mejora continua para agentes. Nuestros datos de entorno y evaluaciones potencian la mejora y el monitoreo de agentes.

Implementación del código de "Learning Efficient Online 3D Bin Packing on Packing Configuration Trees". Proponemos mejorar la aplicabilidad práctica del problema de empaquetado 3D (BPP) en línea mediante el aprendizaje en un árbol de configuración de empaquetado jerárquico, lo que facilita que el modelo de aprendizaje por refuerzo profundo (DRL) maneje restricciones prácticas y tenga un buen rendimiento incluso con espacios de solución continuos.

Ruta de aprendizaje más completa para ingenieros de agentes · Domina la ingeniería de IA desde cero · 20 etapas, 503 lecciones · Traducción completa al chino + sitio web de apoyo + videos explicativos animados · Guía definitiva para convertirte en un ingeniero de agentes de IA

🐝 Los primeros agentes de auto-mejora con RL / Optimización de Prompts

La librería de aprendizaje por refuerzo profundo más rápida

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

Aprendizaje por refuerzo profundo para el control MPC de la locomoción de robots cuadrúpedos

Aprendizaje por refuerzo síncrono y asíncrono de alto rendimiento

Colección de artículos y recursos clásicos y de vanguardia en la industria de sistemas de recomendación y predicción de CTR

Un entorno de referencia para el rendimiento humano-IA totalmente cooperativo

Materiales destacados de IA para juegos sobre aprendizaje por refuerzo multiagente.

Un potente modelo de edición de audio basado en aprendizaje por refuerzo y LLM de 3B de parámetros, excelente para editar emociones, estilos de habla y paralingüística, con capacidades robustas de texto a voz zero-shot.

Una colección de entornos de simulación robótica para aprendizaje por refuerzo.

Framework de entrenamiento de aprendizaje por refuerzo multimodal para modelos de difusión y omnimodales

Universidad de código abierto de aprendizaje automático.

Lista de diseño molecular y de materiales utilizando IA generativa y aprendizaje profundo

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

PettingZoo and Gymnasium bindings for popular reinforcement learning environments outside of Farama

Biblioteca de Python para aprendizaje por refuerzo.