reinforcement-learning

Thư viện Python cho Học tăng cường.

UniRL là một framework dành cho Học tăng cường mô hình đa phương thức thống nhất

🦁 Cơ sở mã thân thiện với nghiên cứu để thử nghiệm nhanh chóng học tăng cường đa tác nhân trong JAX

UniLab: Kiến trúc không đồng nhất cho học tăng cường (RL) robot vượt ra ngoài các mô hình thống trị bởi GPU.

Nền tảng Tối ưu hóa Tài nguyên Đa tác nhân (MARO) là một ví dụ về Học tăng cường dạng dịch vụ (RaaS) cho các bài toán tối ưu hóa tài nguyên trong thế giới thực.

Tóm tắt các bài báo và blog chính về diffusion models để tìm hiểu về chủ đề này. Danh sách chi tiết tất cả các bài báo nghiên cứu về diffusion robotics đã được xuất bản.

Môi trường PyBullet CartPole và Quadrotor—với động lực học biểu tượng CasADi a priori—dành cho điều khiển dựa trên học máy và RL

Danh sách tài nguyên Decision Transformer được tuyển chọn (cập nhật liên tục)

👉 Tài nguyên CARLA như hướng dẫn, blog, mã nguồn và v.v. https://github.com/carla-simulator/carla

Môi trường mở AI cho Honor of Kings của Tencent.

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

Một thư viện PyTorch dành cho mọi khía cạnh của Học tăng cường (RL) trong Tối ưu hóa tổ hợp (CO).

Transformers là các mô hình thế giới hiệu quả về mẫu. ICLR 2023, nằm trong top 5% nổi bật.

Tien Kung-Lab: Quy trình làm việc IsaacLab trực tiếp cho robot đi bằng chân

Continual learning infra for self-improving agents

🕹️ Bộ môi trường học tăng cường có khả năng mở rộng đa dạng trong JAX

Công cụ thiết kế phân tử AI cho thiết kế de novo, scaffold hopping, thay thế nhóm R, thiết kế linker và tối ưu hóa phân tử.

[CoRL 2024] HumanPlus: Mô phỏng và bắt chước hành vi con người cho robot hình người

Học tăng cường đa tác nhân (Multi-Agent Reinforcement Learning) với JAX

Khung làm việc học tăng cường thống nhất

Bộ sưu tập các công cụ AI, API, tập dữ liệu và tài nguyên học tập chất lượng cao miễn phí về machine learning, deep learning, generative AI, NLP và khoa học dữ liệu. Được thiết kế để giúp các nhà phát triển, nhà nghiên cứu và người sáng tạo khám phá và xây dựng với AI nhanh hơn.

Triển khai các thuật toán contextual bandits bằng Python

Kho lưu trữ này chứa các cơ sở cho học tăng cường an toàn (safe reinforcement learning).

🚀🚀🚀 Bộ sưu tập các dự án công khai ấn tượng về Mô hình ngôn ngữ lớn (LLM), Mô hình ngôn ngữ thị giác (VLM), Hành động ngôn ngữ thị giác (VLA), Nội dung do AI tạo (AIGC), cùng các bộ dữ liệu và ứng dụng liên quan.

Bộ sưu tập các bài báo, báo cáo kỹ thuật, khung làm việc và công cụ được tuyển chọn cho việc chưng cất theo chính sách (OPD) của các mô hình ngôn ngữ lớn

Danh sách tổng hợp các framework, bài báo, phần mềm và tài nguyên tuyệt vời về NVIDIA Isaac Gym

MobileGym: Nền tảng mô phỏng có thể kiểm chứng và song song hóa cao cho nghiên cứu tác nhân GUI di động · Trình mô phỏng Android chạy trên trình duyệt · Đánh giá có thể kiểm chứng · Đào tạo RL trực tuyến có khả năng mở rộng

BFM_Zero: Mô hình nền tảng hành vi có thể nhắc lệnh (promptable) cho điều khiển robot hình người sử dụng học tăng cường không giám sát

MDP và POMDP trong Julia - Giao diện để định nghĩa, giải quyết và mô phỏng các quá trình quyết định Markov quan sát được toàn phần và một phần trên không gian rời rạc và liên tục.

Bộ môi trường robot dựa trên công cụ vật lý PyBullet và gymnasium.