reinforcement-learning

ReSearch: Aprendendo a raciocinar com busca para LLMs via aprendizado por reforço & ReCall: Aprendendo a raciocinar com chamadas de ferramentas para LLMs via aprendizado por reforço.

Algoritmos concisos e elegantes escritos em Julia

Uma lista curada de recursos incríveis sobre RL baseada em modelos (atualizada continuamente)

Implementações de RL

Um gato robótico programável e altamente manobrável para educação STEM e serviços aprimorados por IA.

SMAC: O Desafio Multi-Agente de StarCraft.

Aprendizado por reforço profundo para navegação de robôs móveis no simulador ROS Gazebo. Usando a rede neural Twin Delayed Deep Deterministic Policy Gradient (TD3), um robô aprende a navegar até um ponto de destino aleatório em um ambiente simulado enquanto evita obstáculos.

Framework modular de Deep Reinforcement Learning em PyTorch. Biblioteca complementar do livro "Foundations of Deep Reinforcement Learning".

Implementação em PyTorch de Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet...

Um ecossistema vivo onde agentes de IA completam tarefas através de loops de fluxo de trabalho, melhoram por meio de execução iterativa, são avaliados por agentes mentores ou humanos, e transformam o trabalho concluído em experiência e dados reutilizáveis para aprimorar futuros agentes.

Implementações mínimas de Deep Q Learning (DQN e DDQN) em Keras

Um formato padrão para conjuntos de dados de aprendizado por reforço offline, com conjuntos de dados de referência populares e utilitários relacionados

Notas de leitura de artigos sobre Deep Learning e Machine Learning

Uma implementação simples e bem estruturada de PPO, baseada na série do Medium: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

Pesquisa de RL em dispositivos Android.

Geração de conjuntos de fatores de ações (preditivos) formulaicos via aprendizado por reforço.

Treinamento de um robô humanoide para locomoção usando Aprendizado por Reforço

Notas de aula, tarefas de tutorial incluindo soluções, bem como vídeos online para o curso de aprendizado por reforço ministrado pela Universidade de Paderborn

Estrutura computacional para aprendizagem por reforço no controle de tráfego

[ECCV 2026] MixGRPO: Desbloqueando a eficiência do GRPO baseado em fluxo com ODE-SDE mistos

Avalie e aprimore modelos e agentes usando ambientes

Avaliação e reprodução de políticas de manipulação robótica do mundo real (ex: RT-1, RT-1-X, Octo) em simulação sob configurações comuns (ex: Google Robot, WidowX+Bridge) (CoRL 2024).

JMLR: OmniSafe é um framework de infraestrutura para acelerar a pesquisa em SafeRL.

Biblioteca avançada de computação evolutiva construída diretamente sobre o PyTorch, criada na NNAISENSE.

Escola de treinamento de aprendizado por reforço multiagente escalável para direção autônoma.

Aprenda a fazer máquinas aprenderem para que você não precise se esforçar para programá-las; a lista definitiva

Um simulador de robô leve baseado em Python projetado para navegação, controle e aprendizado

Embeddings de habilidades adversárias para o treinamento de controladores reutilizáveis para personagens simulados fisicamente.

[ICLR 2026] Agentic Reinforced Policy Optimization (ARPO)

Apresentamos o conjunto de dados Audio Logical Reasoning (ALR), composto por 6.446 amostras anotadas de texto-áudio projetadas especificamente para tarefas de raciocínio complexo. Com base neste recurso, propomos o SoundMind, um algoritmo de aprendizado por reforço (RL) baseado em regras, adaptado para dotar modelos de linguagem de áudio (ALMs) com habilidades profundas de raciocínio bimodal.