reinforcement-learning

Ambientes Gymnasium multi-objetivo para aprendizado por reforço

Aprendizado por reforço para aplicações em tempo real

Pacote contrib para Stable-Baselines3 - Código experimental de aprendizado por reforço (RL).

Este é um projeto sobre algoritmo autônomo de desvio de obstáculos por aprendizado por reforço profundo para UAV.

Long-RL: Escalando RL para Sequências Longas (NeurIPS 2025)

Código complementar para a publicação na Nature "Discovering State-of-the-art Reinforcement Algorithms"

Continual learning infra for self-improving agents

Implementações de algoritmos de Aprendizado por Reforço e Planejamento

Uma lista curada de recursos incríveis de RL de exploração (atualizada continuamente)

Código para o artigo "Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach"

Mecanismo de pôquer para desenvolvimento de IA de pôquer em Python

Ambiente de pôquer Texas Hold'em OpenAI Gym com aprendizado por reforço baseado em keras-rl. Inclui renderização virtual e Monte Carlo para cálculo de equidade.

[COLM’25] DeepRetrieval — 🔥 Treinamento de agente de busca por RLVR com resultado de recuperação

Uma lista selecionada de artigos sobre busca em árvore de Monte Carlo com implementações.

Plataforma de pesquisa de IA para aprendizado por reforço a partir de imagens panorâmicas reais.

Aprendizado por reforço com controle preditivo de modelo (MPC).

Algoritmos MARL ajustados no SMAC (100% de taxa de vitória na maioria dos cenários)

Uma coleção abrangente de frontend e levantamento de artigos e modelos de repositórios GitHub sobre modelos de visão e linguagem. Atualizações contínuas.

ns3-gym - O ambiente de testes para Aprendizado por Reforço em pesquisas de redes

Uma estrutura unificada para aprendizado por reforço simplificado em modelos Flow-Matching

Implementação de algoritmos de Reinforcement Learning Inverso (IRL) em Python/Tensorflow. Deep MaxEnt, MaxEnt, LPIRL

Simulador de Hearthstone usando C++ com aprendizado por reforço

Um framework C++ para MDPs e POMDPs com bindings para Python

Uma biblioteca PyTorch para construir agentes de aprendizado por reforço profundo.

BenchMARL é uma biblioteca para benchmark de Multi-Agent Reinforcement Learning (MARL). O BenchMARL permite comparar rapidamente diferentes algoritmos, tarefas e modelos de MARL, mantendo-se sistematicamente fundamentado em seus dois principais pilares: reprodutibilidade e padronização.

Ciclo de vida completo de um projeto de ciência de dados

Um pacote de aprendizado por reforço para Julia

Últimos avanços em raciocínio de cadeia de pensamento longa (Long Chain-of-Thought)

♟️ Ambientes de jogos de RL vetorizados em JAX

Página do projeto para "Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement"