reinforcement-learning

論文「TD-MPC2: Scalable, Robust World Models for Continuous Control」のコード。

UniRL は、統合マルチモーダルモデルの強化学習用フレームワークです

🦁 JAXにおけるマルチエージェント強化学習の迅速な実験を可能にする、研究者向けのコードベース

Multi-Agent Resource Optimization (MARO) プラットフォームは、現実世界の資源最適化問題に対する Reinforcement Learning as a Service (RaaS) のインスタンスです。

拡散モデルに関する主要な論文やブログのまとめ。公開されているすべての拡散ロボティクス論文の詳細リスト。

UniLab: GPU優位のパラダイムを超えたロボットRLのための異種混合アーキテクチャ

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）

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

👉 チュートリアル、ブログ、コードなどのCARLAリソース https://github.com/carla-simulator/carla

テンセントの王者荣耀 (Honor of Kings) AI オープン環境

素晴らしいディープ強化学習リソースの厳選リスト。

組み合わせ最適化（CO）のための強化学習（RL）全般を扱うPyTorchライブラリ

Transformersはサンプル効率の高いワールドモデルです。ICLR 2023上位5%の注目論文。

Tien Kung-Lab: 脚式ロボット向けのダイレクトなIsaacLabワークフロー

🕹️ JAX製の拡張性に優れた多様な強化学習環境スイート

デノボデザイン、スキャフォールドホッピング、R グループ置換、リンカーデザイン、分子最適化のための AI 分子設計ツール

[CoRL 2024] HumanPlus: ヒューマノイドのシャドーイングと人間からの模倣

JAXを使用したマルチエージェント強化学習

統合強化学習フレームワーク

機械学習、ディープラーニング、生成 AI、NLP、データサイエンスをカバーする、無料かつ高品質な AI ツール、API、データセット、学習リソースの厳選コレクション。開発者、研究者、クリエイターの迅速な AI 探索と開発を支援します。

コンテキスト・バンディット・アルゴリズムのPython実装

🚀🚀🚀 大規模言語モデル（LLM）、視覚言語モデル（VLM）、視覚言語行動モデル（VLA）、AI生成コンテンツ（AIGC）、および関連するデータセットやアプリケーションに関する素晴らしい公開プロジェクトのコレクション。

安全な強化学習のベースラインのためのリポジトリ。

NVIDIA Isaac Gym の優れたフレームワーク、論文、ソフトウェア、リソースをまとめたキュレーションリスト

大規模言語モデルのオンポリシー蒸留（OPD）に関する論文、テクニカルレポート、フレームワーク、ツールの厳選コレクション。

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

BFM_Zero: 教師なし強化学習を用いた人型ロボット制御のためのプロンプト可能な行動基礎モデル

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

PyBullet物理エンジンとgymnasiumベースのロボット環境セット

強化学習のための多目的 Gymnasium 環境