reinforcement-learning-algorithms

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

Deep Reinforcement Learning Nanodegree 课程的仓库

OpenDILab Decision AI Engine。最全面的强化学习框架 B.P.

在 PyTorch 中最小化实现截断目标的近端策略优化（PPO）

精选的 Model-based RL 资源列表（持续更新）

一个简单且风格良好的 PPO 实现。基于我的 Medium 系列文章：https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8

[ICLR 2026] 代理式强化策略优化 (ARPO)

极速的端到端 Jax RL 实现

UI-Venus 是一个原生的 UI 代理，旨在仅使用截图作为输入，执行精确的 GUI 元素定位与有效的导航。

精选的 Decision Transformer 资源列表（持续更新）

NMA 深度学习课程

Julia 中的 MDP 与 POMDP——一个用于在离散和连续空间中定义、求解及模拟完全与部分可观测马尔可夫决策过程的接口。

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

这是一个关于无人机深度强化学习自主避障算法的项目。

Nature 期刊论文“探索最先进的强化学习算法”之配套代码。

精选的探索式强化学习 (RL) 资源清单（持续更新）

论文“Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach”的代码。

🤖 用于从示范中学习机器人与机器人操作的完整流程 Python 软件包

精选的蒙特卡洛树搜索论文及其实作列表。

用于构建深度强化学习智能体的 PyTorch 库

[ICLR 2026] TraceRL 官方代码：彻底改变扩散 LLM 的后训练流程，驱动 SOTA TraDo 系列。