gym

1,324 练习健身数据集 — 动画 GIF、180×180 缩略图、肌肉群与设备数据，以及 6 种语言的逐步说明。LogPress 应用背后的练习数据层

PyTorch version of Stable Baselines, reliable implementations of reinforcement learning algorithms.

单代理强化学习环境的标准 API，提供流行的参考环境与相关工具（前称 Gym）

高质量单文件实现深度强化学习算法，具研究友好特性（PPO、DQN、C51、DDPG、TD3、SAC、PPG）

🏋 现代开源健身教练平台。创建训练计划、跟踪进度，并访问完整的运动数据库。

自行托管的 FLOSS 健身/运动、营养与体重追踪工具

用于 Stable Baselines3 强化学习智能体的训练框架，包含超参数优化与预训练智能体。

MuZero

分布式 GPU 加速演化计算框架。包含完整的演化算法与基准测试问题库。

用于四轴飞行器控制的单一与多代理强化学习的 PyBullet Gymnasium 环境

[NeurIPS 2023 Spotlight] LightZero：一般序列决策情境中蒙特卡洛树搜索的统一基准（精选 MCTS 资源）。

基于 C++ 的通用强化学习（RL）环境高性能并行环境执行引擎（向量化环境）。

[NeurIPS 2025 Spotlight] 具备可验证奖励的强化学习推理环境

使用环境评估并改善模型与 agent

超级马里奥兄弟的异步优势演员-评论家（A3C）算法

模块化强化学习（RL）库（使用 PyTorch、JAX 与 NVIDIA Warp 实现），支持 Gymnasium/Gym、NVIDIA Isaac Lab、MuJoCo Playground 等环境。

使用 SUMO 进行交通信号控制的强化学习环境。兼容于 Gymnasium、PettingZoo 以及热门的 RL 库。

《Reinforcement Learning: Theory and Python Implementation》一书的源代码。

适用于 wger 的 Flutter 健身／运动应用程序

用于基于学习的控制和 RL 的 PyBullet CartPole 与 Quadrotor 环境（具备 CasADi 符号先验动力学）

统一的强化学习框架

MobileGym：用于 Mobile GUI Agent 研究的可验证高并发模拟平台 · 浏览器里运行的安卓模拟器 · Browser-hosted Android Simulator · 可验证评估 · 可扩展的线上 RL 训练

Stable-Baselines3 的贡献套件 - 实验性强化学习（RL）代码

基于 OpenAI gym 的多智能体环境集合。

VMAS 是一款向量化可微分模拟器，专为高效的多智能体强化学习基准测试而设计。它包含一个以 PyTorch 编写的向量化 2D 物理引擎以及一系列具挑战性的多机器人场景。可通过简单且模块化的接口实现额外场景。

用于追踪健身房举重训练的跨平台应用程序。

多目标强化学习算法实现。

Your workout logs visualized!

代理型 LLM 的训练环境