reinforcement-learning

🤖 機械学習サマースクールガイド

TF-Agents: コンテキスト武装バンディットおよび強化学習のための、信頼性が高くスケーラブルで使いやすい TensorFlow ライブラリ

ディープラーニングおよび深層強化学習の研究論文とコード集

強化学習およびロボット工学研究向けの MuJoCo-Warp を活用した Isaac Lab API

物理AIの研究や接触の多い環境でのデプロイに向けた、完全オープンソースのヒューマノイドアーム

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。

100行のコードによる論文の実装

MuZero

TensorFlowのシンプルで包括的なチュートリアル

人工知能の民主化を目的とし、過大評価されたY Combinatorのスタートアップに対する無料のオープンソース代替を提供する、エンタープライズグレードのAIエージェントライブラリ。

RAGEN は、強化学習を活用して、インタラクティブで確率的な環境で LLM 推論エージェントを訓練します。

JAX におけるモンテカルロ木探索

PPO x Family DRLチュートリアルコース（意思決定AI入門公開講座：全8回でアルゴリズム理論の整理、コードロジックの理解、意思決定AIアプリの実践を習得）

産業用の検索、推薦、広告向けの Awesome ディープラーニング論文集。埋め込み、マッチング、プレランク、ランク、ポストランク、関連性、LLM、RL に焦点を当てています。論文「Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives」(TOIS 2026) の引用をお願いします。

robosuite: ロボット学習のためのモジュール式シミュレーションフレームワークおよびベンチマーク

推論特化型 LLM に関する優れたチュートリアル、サーベイ、ガイドのまとめ

「강화학습 (Reinforcement Learning: An Introduction)」の解答

人間の好みに合わせて言語モデルを微調整するためのモジュール式 RL ライブラリ

最もシンプル、柔軟、かつ包括的な OpenAI Gym トレーディング環境（OpenAI Gym 承認済み）

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

ProtoMotionsは、物理シミュレーションによるデジタルヒューマンや人型ロボットの訓練を目的とした、GPUアクセラレーション対応のシミュレーションおよび学習フレームワークです。

ICCV2019 - モデルベースの深層強化学習によるペインティングの学習

深層強化学習：ゼロからのスタート！

コントローラー訓練用の軽量なモーション模倣手法スイート。

verl-agentはveRLの拡張であり、RLを介してLLM/VLMエージェントを訓練するために設計されています。また、論文「Group-in-Group Policy Optimization for LLM Agent Training」の公式コードでもあります。

推薦、広告、検索分野における業界の古典および最先端の論文集

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

[RSS 2025] 「ASAP: アジャイルなヒューマノイドの全身スキルの学習に向けたシミュレーションと現実世界の物理の整合」

DIAMOND (DIffusion As a Model Of eNvironment Dreams) は、拡散ワールドモデルでトレーニングされた強化学習エージェントです。NeurIPS 2024 Spotlight。

1993年のゲーム「Doom」をベースにした強化学習環境