deep-reinforcement-learning

Chơi trò chơi rắn săn mồi với AI.

Top 200 kho lưu trữ deep learning trên Github được sắp xếp theo số lượng sao.

Một thư viện deep reinforcement learning ngoại tuyến

Danh sách tổng hợp các tài nguyên về Diffusion Model trong RL (được cập nhật liên tục)

Khóa học miễn phí đưa bạn từ con số không đến chuyên gia Reinforcement Learning 🦸🏻‍🦸🏽

Dành cho deep RL và tương lai của AI.

Nền tảng trí tuệ nhân tạo cho StarCraft II hỗ trợ huấn luyện phân tán quy mô lớn và các agent cấp Đại sư (grand-master).

Học tăng cường sâu cho điều hướng robot di động trong trình mô phỏng ROS Gazebo. Sử dụng mạng nơ-ron Twin Delayed Deep Deterministic Policy Gradient (TD3), robot học cách di chuyển đến một điểm đích ngẫu nhiên trong môi trường mô phỏng đồng thời tránh các chướng ngại vật.

Framework Deep Reinforcement Learning mô-đun trong PyTorch. Thư viện đi kèm của cuốn sách "Foundations of Deep Reinforcement Learning".

Chỉ cần một kho lưu trữ duy nhất cho Học tăng cường đa tác nhân (MARL)

Các triển khai Deep Q Learning (DQN & DDQN) tối giản trong Keras

JMLR: OmniSafe là một framework cơ sở hạ tầng nhằm đẩy nhanh nghiên cứu về SafeRL.

Các cài đặt Jax RL đầu cuối cực nhanh

Thư viện cung cấp các tác vụ điều khiển bàn tay khéo léo kép thông qua Isaac Gym

Môi trường học tăng cường cho điều khiển tín hiệu giao thông với SUMO. Tương thích với Gymnasium, PettingZoo và các thư viện RL phổ biến.

Mã nguồn cho cuốn sách "Reinforcement Learning: Theory and Python Implementation"

Tối ưu hóa học tăng cường với RLOps. Các thuật toán và công cụ RL tiên tiến, với tốc độ huấn luyện nhanh hơn 10 lần nhờ tối ưu hóa siêu tham số tiến hóa.

Môi trường Gibson: Nhận thức thế giới thực cho các tác nhân thể chất

Thư viện Python cho Học tăng cường.

Danh sách tổng hợp các tài nguyên Deep Reinforcement Learning tuyệt vời.

Mã nguồn Pytorch cho bài báo ICLR-20 "Learning to Explore using Active Neural SLAM"

Kho lưu trữ này chứa hầu hết các triển khai PyTorch dựa trên các thuật toán học tăng cường sâu cổ điển, bao gồm - DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO. (Các thuật toán khác vẫn đang được phát triển)

Thư viện PyTorch để xây dựng các tác nhân học tăng cường sâu

Một gói học tăng cường (reinforcement learning) dành cho Julia.

AI "Phillip" cho SSBM.

Các thuật toán học bắt chước (imitation learning).

Tệp phân loại bút và đoạn thẳng.py. Chỉ cần nhập dữ liệu high/low của nến K, chương trình sẽ tự động thực hiện phân loại bút, đoạn thẳng, trung tâm, điểm mua bán và loại hình xu hướng. Có thể sử dụng sh.csv làm tệp đầu vào.

Trình mô phỏng người và phương tiện (Human-vehicle Simulator)

Học tăng cường sâu (PPO) trong lái xe tự động (Carla) [từ đầu]

Trò chơi 3 Tiles + Học tăng cường sâu (Deep Reinforcement Learning)