reinforcement-learning-algorithms

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。

Deep Reinforcement Learning NanoDegreeプログラムのリポジトリ

OpenDILab決定AIエンジン。最も包括的な強化学習フレームワーク。

PyTorch によるクリップ目的関数 Proximal Policy Optimization (PPO) の最小限の実装

モデルベース強化学習（Model-based RL）に関する優れたリソースの厳選リスト（随時更新）

シンプルでスタイリッシュな PPO の実装。Medium の連載シリーズに基づいています: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8

[ICLR 2026] エージェント型強化ポリシー最適化 (ARPO)

非常に高速なエンドツーエンドのJax RL実装

UI-Venus は、スクリーンショットのみを入力として使用し、正確な GUI 要素のグラウンディングと効果的なナビゲーションを実行するように設計されたネイティブ UI エージェントです。

Decision Transformer リソースのキュレーションリスト（随時更新）

NMA ディープラーニングコース

JuliaでのMDPおよびPOMDP - 離散空間および連続空間における完全・部分観測マルコフ決定プロセスの定義、解決、シミュレーションを行うためのインターフェース

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

UAV向けの深層強化学習による自律障害物回避アルゴリズムに関するプロジェクトです。

Nature 掲載論文「Discovering State-of-the-art Reinforcement Algorithms」の付属コード

探索的強化学習（RL）に関する厳選リソースリスト（随時更新）

論文「Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach」のコード

🤖 ロボットのデモからの学習とロボット操作のためのフルプロセスPythonパッケージ

実装付きのモンテカルロ木探索（MCTS）論文のキュレーションリスト

深層強化学習エージェントを構築するためのPyTorchライブラリ

[ICLR 2026] TraceRLの公式コード：Diffusion LLMのポストトレーニングを革新し、SOTAのTraDoシリーズを駆動する