reinforcement-learning

Biblioteca de Python para aprendizaje por refuerzo.

UniRL es un framework para el aprendizaje por refuerzo de modelos multimodales unificados.

🦁 Una base de código orientada a la investigación para la experimentación rápida de aprendizaje por refuerzo multi-agente en JAX

La plataforma Multi-Agent Resource Optimization (MARO) es una instancia de aprendizaje por refuerzo como servicio (RaaS) para problemas de optimización de recursos del mundo real.

UniLab: una arquitectura heterogénea para aprendizaje por refuerzo en robots más allá de los paradigmas dominados por GPU

Resumen de artículos y blogs clave sobre modelos de difusión para aprender sobre el tema. Lista detallada de todos los artículos publicados sobre robótica de difusión.

Entornos CartPole y Quadrotor de PyBullet, con dinámica a priori simbólica de CasADi, para control basado en aprendizaje y RL

Una lista curada de recursos sobre Decision Transformer (actualizada continuamente)

Recursos de CARLA como tutoriales, blogs, código, etc. https://github.com/carla-simulator/carla

Entorno abierto de IA para Honor of Kings de Tencent.

Los Transformers son modelos de mundo con eficiencia de muestreo. ICLR 2023, destacado en el top 5%.

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

Una biblioteca de PyTorch para todo lo relacionado con el aprendizaje por refuerzo (RL) para la optimización combinatoria (CO)

Tien Kung-Lab: Flujo de trabajo directo de IsaacLab para robots con patas

🕹️ Un conjunto diverso de entornos de aprendizaje por refuerzo escalables en JAX

Herramienta de diseño molecular por IA para diseño de novo, scaffold hopping, reemplazo de grupos R, diseño de linkers y optimización de moléculas.

[CoRL 2024] HumanPlus: Seguimiento e imitación humanoide a partir de humanos

Aprendizaje por refuerzo multi-agente con JAX

Una colección curada de herramientas de IA, API, conjuntos de datos y recursos de aprendizaje gratuitos y de alta calidad que cubren aprendizaje automático, aprendizaje profundo, IA generativa, PLN y ciencia de datos. Diseñado para ayudar a desarrolladores, investigadores y creadores a explorar y construir con IA más rápido.

Marco de trabajo unificado para aprendizaje por refuerzo

Implementaciones en Python de algoritmos de bandidos contextuales

Una colección de proyectos públicos sobre modelos de lenguaje extensos (LLM), modelos de lenguaje visual (VLM), acción de lenguaje visual (VLA), contenido generado por IA (AIGC), y sus conjuntos de datos y aplicaciones relacionados.

Repositorio de líneas base para aprendizaje por refuerzo seguro.

Una lista curada de marcos, artículos, software y recursos increíbles de NVIDIA Isaac Gym

Una colección curada de artículos, informes técnicos, marcos de trabajo y herramientas para la destilación on-policy (OPD) de modelos de lenguaje de gran tamaño.

MobileGym: Una plataforma de simulación verificable y altamente paralela para la investigación de agentes de GUI móvil · Simulador de Android alojado en navegador · Evaluación verificable · Entrenamiento de RL en línea escalable

BFM_Zero: Un modelo base conductual con prompts para el control de humanoides mediante aprendizaje por refuerzo no supervisado.

Continual learning infra for self-improving agents

MDPs y POMDPs en Julia - Una interfaz para definir, resolver y simular procesos de decisión de Markov total o parcialmente observables en espacios discretos y continuos.

Conjunto de entornos robóticos basados en el motor de física PyBullet y gymnasium.