Project Icon

pymarl2

多智能体强化学习的高效实现框架

PyMARL2是一个开源项目,专注于改进协作多智能体强化学习的实现技巧和约束。该项目针对StarCraft多智能体挑战进行了优化,实现了QMIX、VDN、IQL等多种算法。通过采用值函数裁剪、奖励缩放等技巧,PyMARL2显著提升了QMIX在复杂场景中的性能。此外,该框架还支持通信任务和Google Football环境,为多智能体强化学习研究提供了有力工具。

PARL - 灵活高效的强化学习开源框架
GithubPARL分布式训练并行计算开源项目强化学习深度学习
PARL是一个开源的强化学习框架,专注于提供高效、灵活的开发环境。该框架具有良好的可复现性、大规模训练支持、高可重用性和易扩展性。PARL基于Model、Algorithm和Agent三个核心抽象,并提供简洁的分布式训练API。框架支持DQN、DDPG、SAC等多种算法实现,在多个强化学习挑战赛中表现出色。PARL适用于各类复杂任务的智能体训练,为强化学习研究和应用提供了有力工具。
BenchMARL - 多智能体强化学习的标准化基准测试平台
BenchMARLGithubTorchRL多智能体强化学习开源项目环境集成算法比较
BenchMARL是一个专注于多智能体强化学习(MARL)的开源训练库,旨在提供标准化接口实现不同算法和环境的可重复性比较。它基于TorchRL后端,支持高效实现和灵活配置,可轻松集成新算法和环境。BenchMARL提供了统一的评估体系,支持marl-eval兼容的数据报告,为MARL研究提供了可靠的基准测试平台。
smac - 星际争霸II多智能体强化学习环境
DeepMindGithubPySC2SMAC多智能体强化学习开源项目星际争霸II
SMAC是基于星际争霸II的多智能体强化学习研究环境,专注于分散式微观管理场景。环境中每个游戏单位由独立的强化学习智能体控制。SMAC提供多种预配置战斗场景地图,并与PyMARL框架集成,支持QMIX等先进算法。研究人员可利用SMAC开发和评估新的多智能体强化学习算法,促进该领域的进步。
maro - 跨领域资源优化的多代理系统
GithubMARO开源项目强化学习虚拟机调度资源优化运筹学
MARO是一个多代理资源优化平台,适用于物流中的集装箱管理、交通中的自行车调度、数据中心的虚拟机管理和金融中的资产管理。该平台包含仿真、强化学习和分布式工具包,支持多种决策机制。用户可通过PyPI或源码安装,并使用Jupyter lab和Redis GUI进行环境可视化和快速体验。MARO是由微软开源的项目,用户可贡献代码并遵从贡献者许可协议(CLA)。
openrl - 综合性强化学习平台,支持多任务训练
GithubOpenRLPyTorch多智能体开源项目强化学习自然语言处理
OpenRL 是一款基于 PyTorch 的开源强化学习研究框架,支持单代理、多代理、离线强化学习、自我对弈及自然语言处理任务。框架提供统一接口、训练加速方法和多种深度学习模型支持,兼容 Gymnasium、MuJoCo、StarCraft II 等多种环境。同时,OpenRL 还支持用户自定义训练模型、奖励模型和环境配置,并提供中英文文档。
tmrl - 实时机器人控制与自动驾驶AI的分布式强化学习框架
GithubGymnasium环境TMRLTrackMania 2020开源项目强化学习自动驾驶
TMRL是一个面向机器人学习的分布式强化学习框架,专注于实时应用中的深度强化学习AI训练。该框架以TrackMania 2020游戏为例,展示了基于原始截图的自动驾驶控制。TMRL具备安全远程训练、灵活定制和实时环境兼容性等特点,采用单服务器多客户端架构,可在多个节点收集样本并在高性能集群上进行训练。
DI-star - 开源星际争霸II AI训练框架
AIGithubStarCraft II开源项目强化学习游戏智能监督学习
DI-star是一个为星际争霸II设计的开源AI训练框架。它提供预训练模型、对战演示和训练代码,支持监督学习和强化学习。该平台已训练出大师级AI,并支持多种测试模式。DI-star适用于Windows和Linux系统,为研究人员提供了构建和训练自定义AI代理的工具。
AgileRL - 革新强化学习的高效开发框架
AgileRLGithub开源项目强化学习机器学习超参数优化进化算法
AgileRL是一个创新的深度强化学习库,专注于提升强化学习的开发效率。通过引入RLOps概念,该库显著缩短了模型训练和超参数优化的时间。AgileRL采用进化超参数优化技术,自动找到最优超参数,减少了大量训练运行。它支持多种先进的可进化算法,包括单智能体、多智能体、离线学习和上下文多臂赌博机,并具备分布式训练能力。相比传统方法,AgileRL在超参数优化速度上实现了10倍的提升。
PantheonRL - 多智能体强化学习训练和测试的模块化框架
GithubPantheonRLStableBaselines3多智能体强化学习开源项目自适应训练训练框架
PantheonRL是一个用于多智能体强化学习环境训练和测试的开源框架。它提供模块化和可扩展的功能,支持智能体策略训练、微调、动态配对等。基于StableBaselines3构建,PantheonRL采用去中心化训练方法,为每个智能体配备独立的重放缓冲区和更新算法。此外,它还提供Web用户界面,便于进行轻量级实验和原型设计,支持自我对弈、交叉对弈、循环训练和微调等多种训练模式。
simple_rl - 轻量级Python强化学习实验框架
GithubPython复现结果实验开源项目强化学习简单框架
simple_rl框架专注于简化强化学习实验流程和提高结果可复现性。它内置了网格世界、OpenAI Gym等MDP环境,实现了Q-learning和R-Max等经典算法。新增的实验复现功能方便研究者重现成果。该框架支持Python 2和3,为强化学习研究和教学提供了实用工具。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号