Minari

Minari 是一个用于离线强化学习研究的 Python 库，类似于 Gymnasium 的离线版本或 HuggingFace 数据集库的离线强化学习版本。

文档网站地址是 minari.farama.org。我们还有一个公共 Discord 服务器（用于问答和协调开发工作），您可以在这里加入：https://discord.gg/bnJ6kubTg6。

安装

从 PyPI 安装 Minari：

pip install minari

这将安装最少的必需依赖项。根据您的使用情况，系统会提示安装额外的依赖项。要一次性安装所有依赖项，请使用：

pip install "minari[all]"

如果您想开始测试或为 Minari 做出贡献，请从源代码安装此项目：

git clone https://github.com/Farama-Foundation/Minari.git
cd Minari
pip install -e ".[all]"

命令行 API

查看可用的远程数据集：

minari list remote

下载数据集：

minari download D4RL/door/human-v2

查看可用的本地数据集：

minari list local

显示数据集的详细信息：

minari show D4RL/door/human-v2

查看命令列表：

minari --help

基本用法

读取数据集

import minari

dataset = minari.load_dataset("D4RL/door/human-v2")

for episode_data in dataset.iterate_episodes():
    observations = episode_data.observations
    actions = episode_data.actions
    rewards = episode_data.rewards
    terminations = episode_data.terminations
    truncations = episode_data.truncations
    infos = episode_data.infos
    ...

写入数据集

import minari
import gymnasium as gym
from minari import DataCollector


env = gym.make('FrozenLake-v1')
env = DataCollector(env)

for _ in range(100):
    env.reset()
    done = False
    while not done:
        action = env.action_space.sample()  # <- 在此处使用您的策略
        obs, rew, terminated, truncated, info = env.step(action)
        done = terminated or truncated

dataset = env.create_dataset("frozenlake/test-v0")

有关其他示例，请参阅基本用法。有关如何使用 Minari 创建新数据集的完整教程，请参阅我们的 Pointmaze D4RL 数据集教程，该教程重新创建了来自 D4RL 的 Maze2D 数据集。

项目维护者

主要贡献者：Rodrigo Perez-Vicente、Omar Younis、John Balis、Alex Davey

该项目的维护工作还由更广泛的 Farama 团队贡献：farama.org/team。

Minari 是日语单词 Minarai 的缩写，意为"通过观察学习"。