reinforcement-learning

Plataforma de Inteligência de Decisão para simulação de direção autônoma.

Este repositório coleta alguns códigos que encapsulam algoritmos comumente usados no campo de aprendizado de máquina (machine learning). A maioria deles é baseada em Numpy, Pandas ou Torch. Você pode aprofundar sua compreensão sobre modelos e algoritmos relacionados ou modificá-los para obter seu próprio código personalizado consultando este repositório.

RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent: RL Open-Source para LLMs e Cenários de Agentes

Uma coleção de ambientes multi-agente baseados no OpenAI Gym.

API para executar o VirtualHome, um simulador doméstico multiagente.

Um framework unificado para aprendizado de robôs

Implantar o projeto walk-these-ways no Unitree Go2

Explore o "Momento Aha" Multimodal em um modelo de 2B

Publicado na Nature Machine Intelligence! O primeiro robô real (quadricóptero) baseado em treinamento de física diferenciável.

Anotações do curso "Machine Learning 2021 Spring" do Professor Hung-yi Lee da Universidade Nacional de Taiwan (NTU)

[ICLR 2026] ReCogDrive: Uma estrutura cognitiva reforçada para condução autônoma de ponta a ponta

Artigos relacionados para aprendizado por reforço, incluindo artigos clássicos e os mais recentes nas principais conferências

Um Motor de Aprendizado por Reforço Assíncrono para Pós-Treinamento Omni-Modal em Escala

Uma lista selecionada de artigos sobre aprendizado por reforço para geração de vídeo

[ICML 2026] Recursos oficiais de "Graph-R1: Towards Agentic GraphRAG Framework via End-to-end Reinforcement Learning".

Artigos da AAAI 2024: Explore uma coleção abrangente de artigos de pesquisa inovadores apresentados em uma das principais conferências de inteligência artificial. Integre perfeitamente implementações de código para uma melhor compreensão. ⭐ Experimente a vanguarda do progresso em inteligência artificial com este repositório!

Avaliação comparativa do espectro de capacidades de agentes

NeurIPS 2023: Safety-Gymnasium: Um Benchmark Unificado de Aprendizado por Reforço Seguro

Implementação de ChatGPT RLHF (Aprendizado por Reforço com Feedback Humano) em qualquer modelo de geração no transformers da huggingface (bloomz-176B/bloom/gpt/bart/T5/MetaICL)

Aprendizado por Reforço Profundo (PPO) em Condução Autônoma (Carla) [do zero]

Meta Agents Research Environments é uma plataforma abrangente projetada para avaliar agentes de IA em cenários dinâmicos e realistas. Ao contrário de benchmarks estáticos, esta plataforma introduz ambientes em evolução onde os agentes devem adaptar suas estratégias à medida que novas informações se tornam disponíveis, espelhando os desafios do mundo real.

Uma lista curada de recursos de inteligência artificial (Cursos, Ferramentas, Aplicativos, Projetos de Código Aberto)

[Destaque do NeurIPS 2025] Suite de pós-treinamento de LLM — apresentando ReasonFlux, ReasonFlux-PRM e ReasonFlux-Coder.

Modelo de corpo de mosca-das-frutas MuJoCo e tarefas de RL de locomoção

UMI on Legs: Tornando políticas de manipulação móveis com controladores de corpo inteiro centrados em manipulação

Lista com curadoria de cursos de engenharia de machine learning publicamente acessíveis da CalTech, Columbia, Berkeley, MIT e Stanford.

Implementações de algoritmos de Aprendizado por Reforço Multi-Objetivo.

[CVPR 2025 Highlight] InterMimic: rumo ao controle universal de corpo inteiro para interações humano-objeto baseadas em física

Um simulador flexível, de uso geral e fácil de usar, junto com um ambiente de negociação OpenAI Gym para a plataforma de negociação MetaTrader 5 (Aprovado pelo OpenAI Gym)