gym

1,324種のエクササイズフィットネスデータセット — アニメーションGIF、180×180のサムネイル、筋肉群・器具データ、6か国語でのステップバイステップの指示。LogPressアプリの裏側にあるエクササイズデータレイヤー。

PyTorch版のStable Baselines。強化学習アルゴリズムの信頼性の高い実装を提供。

単一エージェント強化学習環境のための標準API。人気の参照環境や関連ユーティリティを含む（旧Gym）

研究フレンドリーな機能（PPO, DQN, C51, DDPG, TD3, SAC, PPG）を備えた、高品質な単一ファイルでの深層強化学習アルゴリズムの実装。

🏋 モダンなオープンソースのフィットネスコーチングプラットフォーム。ワークアウトプランの作成、進捗の追跡、包括的なエクササイズデータベースへのアクセスが可能。

セルフホスト型のFLOSSフィットネス/ワークアウト、栄養、体重トラッカー。

Stable Baselines3 強化学習エージェントのためのトレーニングフレームワーク。ハイパーパラメータ最適化と事前トレーニング済みエージェントが含まれています。

MuZero

分散型 GPU アクセラレーション対応の進化計算フレームワーク。進化アルゴリズムとベンチマーク問題の包括的なライブラリ。

クアッドコプター制御のシングルおよびマルチエージェント強化学習用PyBullet Gymnasium環境

[NeurIPS 2023 Spotlight] LightZero: 一般的な逐次決定シナリオにおけるモンテカルロ木探索の統合ベンチマーク（優れた MCTS）

汎用 RL 環境向けの C++ ベースの高性能並列環境実行エンジン（ベクター化環境）。

[NeurIPS 2025 Spotlight] 検証可能な報酬を用いた強化学習のための推論環境

環境を使用してモデルやエージェントを評価および改善する

スーパーマリオブラザーズ向けの非同期Advantage Actor-Critic (A3C) アルゴリズム

Gymnasium/Gym、NVIDIA Isaac Lab、MuJoCo Playgroundなどの環境をサポートする、モジュール式強化学習（RL）ライブラリ（PyTorch、JAX、NVIDIA Warpで実装）。

SUMOを使用した信号制御のための強化学習環境。Gymnasium、PettingZoo、および主要な強化学習ライブラリと互換性があります。

書籍「Reinforcement Learning: Theory and Python Implementation」のソースコード

wger 向けの Flutter フィットネス／ワークアウトアプリ

学習ベースの制御と強化学習のためのPyBullet CartPoleおよびQuadrotor環境（CasADiシンボリック事前ダイナミクス付き）

統合強化学習フレームワーク

MobileGym: モバイル GUI エージェント研究のための検証可能かつ高度に並列化されたシミュレーションプラットフォーム · ブラウザで動作する Android シミュレータ · Browser-hosted Android Simulator · 検証可能な評価 · スケーラブルなオンライン RL トレーニング

Stable-Baselines3向けContribパッケージ - 実験的な強化学習（RL）コード

OpenAI gym をベースにしたマルチエージェント環境のコレクション

VMAS は、効率的なマルチエージェント強化学習のベンチマーク用に設計されたベクトル化・微分可能なシミュレータです。PyTorch で書かれたベクトル化 2D 物理エンジンと、一連の困難なマルチロボットシナリオで構成されています。追加のシナリオは、シンプルでモジュール式なインターフェースを通じて実装できます。

ジムでのリフト（筋トレ）の記録を行うクロスプラットフォームアプリ

多目的強化学習アルゴリズムの実装

Your workout logs visualized!

エージェント型 LLM のためのジム環境