reinforcement-learning

TextWorld 是一個沙盒學習環境，用於訓練和評估文字遊戲上的強化學習 (RL) 代理程式。

用於 Unitree Go1 機器人的從模擬到真實（Sim-to-real）RL 訓練與部署工具。

ReSearch：透過強化學習為 LLM 學習帶有搜尋的推理，以及 ReCall：透過強化學習為 LLM 學習帶有工具呼叫的推理

以 Julia 編寫的簡潔優美演算法

精選的 Model-based RL 資源清單（持續更新）

強化學習 (RL) 實作

一款用於 STEM 教育與 AI 強化服務的可程式化、高靈活性機器人貓。

在 ROS Gazebo 模擬器中用於移動機器人導航的深度強化學習。利用雙延遲深度確定性策略梯度 (TD3) 神經網路，機器人在模擬環境中學習導航至隨機目標點，同時避開障礙物。

SMAC：星海爭霸多代理人挑戰賽

基於 PyTorch 的模組化深度強化學習框架。《Foundations of Deep Reinforcement Learning》一書的配套函式庫。

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

一個充滿活力的生態系統，在此系統中 AI agent 透過工作流程迴圈完成任務、藉由迭代執行來改進、透過導師 agent 或人工介入進行評估，並將已完成的工作轉化為可重複使用的工作經驗與資料，以提升未來的 agent。

使用 Keras 實作的極簡深度 Q 學習（DQN 與 DDQN）

深度學習與機器學習的論文閱讀筆記

一個簡單且風格良好的 PPO 實作。基於我的 Medium 系列文章：https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8

用於強化學習的多目標 Gymnasium 環境

在 Android 裝置上進行 RL 研究。

透過強化學習產生公式化阿爾法（預測性）股票因子集。

使用強化學習訓練人形機器人進行移動

帕德博恩大學（Paderborn University）強化學習課程的講義、包含解答的實作練習以及線上影片

用於交通控制中強化學習的運算框架

使用環境評估並改善模型與 agent

[ECCV 2026] MixGRPO：透過混合 ODE-SDE 解鎖基於 Flow 的 GRPO 效率

在模擬環境與常見設定（如 Google Robot、WidowX+Bridge）下評估與重現真實世界的機器人操作策略（例如 RT-1、RT-1-X、Octo）（CoRL 2024）

JMLR：OmniSafe 是用於加速 SafeRL 研究的基礎設施框架。

直接建構於 PyTorch 之上的進階演化計算函式庫，由 NNAISENSE 創立。

用於自動駕駛的可擴展多智能體強化學習訓練學校

一個基於 Python 的輕量級機器人模擬器，專為導航、控制與學習而設計

:computer: 學習讓機器學習，這樣你就不用辛苦編寫程式；終極清單

用於訓練具物理模擬角色之可重複使用控制器的對抗性技能嵌入。