reinforcement-learning

Algoritmo Asynchronous Advantage Actor-Critic (A3C) para Super Mario Bros.

Implementações de RL de ponta a ponta extremamente rápidas em Jax

Biblioteca modular de Aprendizado por Reforço (RL) (implementada em PyTorch, JAX e NVIDIA Warp) com suporte para Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground e outros ambientes

Biblioteca que fornece tarefas de manipulação manual dual destra através do Isaac Gym.

XuanCe: uma biblioteca abrangente e unificada de Deep Reinforcement Learning.

Um índice de algoritmos para aprendizado por reforço offline (offline-rl)

Um fork do gym-retro com jogos, emuladores e plataformas suportadas adicionais

Ambientes de Aprendizagem por Reforço para Controle de Sinais de Trânsito com SUMO. Compatível com Gymnasium, PettingZoo e bibliotecas populares de RL.

Livros / PDFs / EPUBS para diferentes áreas de programação. LEIA, CRESÇA E APROVEITE

Guia essencial para acompanhar IA/ML/DL/CV

A pilha de melhoria contínua para agentes. Nossos dados de ambiente e avaliações impulsionam a melhoria e o monitoramento de agentes.

Implementação de código para "Learning Efficient Online 3D Bin Packing on Packing Configuration Trees". Propomos melhorar a aplicabilidade prática do problema de empacotamento 3D online (BPP) através do aprendizado em uma árvore de configuração de empacotamento hierárquica, o que torna o modelo de aprendizado por reforço profundo (DRL) capaz de lidar com restrições práticas e ter um bom desempenho mesmo com espaço de solução contínuo.

🐝 Os primeiros agentes autoaperfeiçoáveis com RL / Otimização de Prompts

Caminho de aprendizado completo para engenheiros de agentes: domine a engenharia de IA do zero, com 20 etapas, 503 aulas, tradução completa, site de suporte e vídeos explicativos animados; um guia para se tornar um engenheiro de agentes de IA.

A Biblioteca de Aprendizagem por Reforço Profundo Mais Rápida

Códigos-fonte para o livro "Reinforcement Learning: Theory and Python Implementation"

Deep RL para controle MPC de locomoção de robô quadrúpede

Aprendizado por reforço síncrono e assíncrono de alto rendimento.

Coleção de artigos clássicos e de ponta da indústria de recomendação e publicidade / Artigos obrigatórios sobre sistemas de recomendação e previsão de CTR

Um ambiente de benchmark para desempenho humano-IA totalmente cooperativo.

Materiais incríveis de IA para jogos de Aprendizagem por Reforço Multi-Agente

Um poderoso modelo de áudio de aprendizado por reforço baseado em LLM de 3B parâmetros que se destaca na edição de Emoção, estilo de fala e paralinguística, e apresenta robusta conversão de texto em fala zero-shot

Framework de treinamento de RL multimodal para modelos de difusão e omni

Uma coleção de ambientes de simulação de robótica para aprendizado por reforço.

Universidade de Código Aberto de Machine Learning

Lista de design molecular e de materiais usando Generative AI e Deep Learning

Otimizando o aprendizado por reforço com RLOps. Algoritmos e ferramentas de ponta de RL, com treinamento 10x mais rápido por meio de otimização evolutiva de hiperparâmetros.

PettingZoo and Gymnasium bindings for popular reinforcement learning environments outside of Farama

Gibson Environments: Percepção do mundo real para agentes incorporados.

Código para "TD-MPC2: Scalable, Robust World Models for Continuous Control"