reinforcement-learning

強化学習のための多目的 Gymnasium 環境

自律エージェント構築に関する最近の論文集。強化学習ベースとLLMベースの2つのトピックを網羅。

リアルタイムアプリケーション向けの強化学習。

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

Long-RL：強化学習の長シーケンスへのスケーリング（NeurIPS 2025）

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

強化学習およびプランニングアルゴリズムの実装

PythonでのポーカーAI開発用ポーカーエンジン

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

keras-rlを用いた強化学習によるテキサスホールデムのOpenAI Gymポーカー環境。仮想レンダリングと勝率計算のためのモンテカルロ法を含む。

[COLM’25] DeepRetrieval — 🔥 検索結果を用いたRLVRによる検索エージェントのトレーニング

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

実世界のパノラマ画像からの強化学習用AIリサーチプラットフォーム

モデル予測制御を用いた強化学習

ビジョン・言語モデル（VLM）の論文とモデルに関する包括的なコレクションおよび調査のGitHubリポジトリ。随時更新。

SMAC でファインチューニングされた MARL アルゴリズム（大半のシナリオで勝率 100%）

ns3-gym - ネットワーク研究における強化学習のためのプレイグラウンド

Flow-Matching モデルでの強化学習を容易にする統合フレームワーク

Python/Tensorflow による逆強化学習（IRL）アルゴリズムの実装。Deep MaxEnt、MaxEnt、LPIRL

C++と強化学習を使用したHearthstoneシミュレーター

Pythonバインディングを備えた、MDPおよびPOMDP用のC++フレームワーク

BenchMARLは、マルチエージェント強化学習（MARL）のベンチマークを行うためのライブラリです。BenchMARLを使用することで、「再現性」と「標準化」という2つの核心的原則に基づき、さまざまなMARLアルゴリズム、タスク、モデルを迅速に比較できます。

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

データサイエンスプロジェクトの完全なライフサイクル

Julia 向けの強化学習パッケージ

Long Chain-of-Thought 推論における最新の進展

♟️ JAXによるベクトル化されたRLゲーム環境

「Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement」のプロジェクトページ