reinforcement-learning

TextWorld 是一个沙盒学习环境，用于训练和评估文本游戏上的强化学习 (RL) 代理程序。

用于 Unitree Go1 机器人的从模拟到真实（Sim-to-real）RL 训练与部署工具。

ReSearch：通过强化学习为 LLM 学习带搜索的推理与 ReCall：通过强化学习为 LLM 学习带工具调用的推理

以 Julia 编写的简洁优美算法

精选的 Model-based RL 资源列表（持续更新）

强化学习 (RL) 实现

一款用于 STEM 教育与 AI 增强服务地可编程、高灵活性机器人猫。

在 ROS Gazebo 模拟器中用于移动机器人导航的深度强化学习。利用双延迟深度确定性策略梯度 (TD3) 神经网络，机器人在模拟环境中学习导航至随机目标点，同时避开障碍物。

SMAC：星际争霸多智能体挑战赛

基于 PyTorch 的模块化深度强化学习框架。《Foundations of Deep Reinforcement Learning》一书的配套库。

Soft Actor-Critic (SAC)、Twin Delayed DDPG (TD3)、Actor-Critic (AC/A2C)、Proximal Policy Optimization (PPO)、QT-Opt、PointNet 的 PyTorch 实现..

一个充满活力的生态系统，在此系统中 AI agent 通过工作流程循环完成任务、藉由迭代执行来改进、通过导师 agent 或人工介入进行评估，并将已完成的工作转化为可重复使用的工作经验与数据，以提升未来的 agent。

使用 Keras 实现的极简深度 Q 学习（DQN 与 DDQN）

深度学习与机器学习的论文阅读笔记

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

用于强化学习的多目标 Gymnasium 环境

在 Android 设备上进行 RL 研究。

通过强化学习生成公式化阿尔法（预测性）股票因子集。

使用强化学习训练人形机器人进行移动

帕德博恩大学（Paderborn University）强化学习课程的讲义、包含解答的实操练习以及在线视频

用于交通控制中强化学习的计算框架

使用环境评估并改善模型与 agent

[ECCV 2026] MixGRPO：通过混合 ODE-SDE 解锁基于 Flow 的 GRPO 效率

在模拟环境与常见设置（如 Google Robot、WidowX+Bridge）下评估与重现真实世界的机器人操作策略（例如 RT-1、RT-1-X、Octo）（CoRL 2024）

JMLR：OmniSafe 是用于加速 SafeRL 研究的基础设施框架。

直接构建于 PyTorch 之上的高级演化计算库，由 NNAISENSE 创建。

用于自动驾驶的可扩展多智能体强化学习训练学校

一个基于 Python 的轻量级机器人模拟器，专为导航、控制与学习而设计

:computer: 学习让机器学习，这样你就不用辛苦编写程序；终极清单

用于训练具物理模拟角色之可重复使用控制器的对抗性技能嵌入。