gym

Dataset kebugaran dengan 1.324 latihan — mencakup GIF animasi, thumbnail 180×180, data kelompok otot & peralatan, serta instruksi langkah demi langkah dalam 6 bahasa. Lapisan data latihan di balik aplikasi LogPress.

Versi PyTorch dari Stable Baselines, implementasi algoritma reinforcement learning yang andal.

API standar untuk lingkungan pembelajaran penguatan agen tunggal, dengan lingkungan referensi populer dan utilitas terkait (sebelumnya bernama Gym)

Implementasi file tunggal berkualitas tinggi dari algoritma Deep Reinforcement Learning dengan fitur yang ramah penelitian (PPO, DQN, C51, DDPG, TD3, SAC, PPG)

🏋 Platform pelatihan kebugaran open-source modern. Buat rencana latihan, pantau kemajuan, dan akses basis data latihan yang komprehensif.

Pelacak kebugaran/latihan, nutrisi, dan berat badan FLOSS yang di-host mandiri

Kerangka kerja pelatihan untuk agen pembelajaran penguatan Stable Baselines3, termasuk optimasi hiperparameter dan agen yang telah dilatih sebelumnya.

MuZero

Framework terdistribusi dengan akselerasi GPU untuk komputasi evolusioner. Pustaka komprehensif algoritma evolusioner & masalah benchmark.

Lingkungan PyBullet Gymnasium untuk reinforcement learning agen tunggal dan multi-agen pada kontrol quadcopter

[NeurIPS 2023 Spotlight] LightZero: Benchmark Terpadu untuk Monte Carlo Tree Search dalam Skenario Keputusan Sekuensial Umum (MCTS yang luar biasa)

Engine eksekusi lingkungan paralel berkinerja tinggi berbasis C++ (env vektor) untuk lingkungan RL umum.

[Spotlight NeurIPS 2025] Lingkungan Penalaran untuk Reinforcement Learning dengan Imbalan yang Dapat Verifikasi

Evaluasi dan tingkatkan model serta agen menggunakan lingkungan

Algoritma Asynchronous Advantage Actor-Critic (A3C) untuk Super Mario Bros

Pustaka Reinforcement Learning (RL) modular (diimplementasikan dalam PyTorch, JAX, dan NVIDIA Warp) dengan dukungan untuk Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground, dan lingkungan lainnya

Lingkungan Reinforcement Learning untuk Kontrol Lampu Lalu Lintas dengan SUMO. Kompatibel dengan Gymnasium, PettingZoo, dan pustaka RL populer.

Kode sumber untuk buku "Reinforcement Learning: Theory and Python Implementation"

Aplikasi kebugaran/latihan Flutter untuk wger

Lingkungan PyBullet CartPole dan Quadrotor—dengan dinamika a priori simbolik CasADi—untuk kontrol berbasis pembelajaran dan RL

Kerangka Kerja Reinforcement Learning Terpadu

MobileGym: Platform Simulasi yang Dapat Verifikasi dan Sangat Pararel untuk Penelitian Agen GUI Seluler · Simulator Android yang berjalan di browser · Simulator Android Berbasis Browser · Evaluasi yang Dapat Verifikasi · Pelatihan RL Online yang Dapat Skala

Paket Contrib untuk Stable-Baselines3 - Kode reinforcement learning (RL) eksperimental

Kumpulan lingkungan multi-agen berdasarkan OpenAI gym.

VMAS adalah simulator terdiferensiasi tervektorisasi yang dirancang untuk pengujian Multi-Agent Reinforcement Learning yang efisien. Simulator ini terdiri dari mesin fisika 2D tervektorisasi yang ditulis dalam PyTorch dan serangkaian skenario multi-robot yang menantang. Skenario tambahan dapat diimplementasikan melalui antarmuka yang sederhana dan modular.

Aplikasi lintas platform untuk melacak angkatan beban Anda di gym

Implementasi algoritma Multi-Objective Reinforcement Learning.

Your workout logs visualized!

Sebuah Gym untuk Agentic LLMs