#Safety-Gymnasium

Safety-Gymnasium为安全强化学习提供了可扩展的定制化环境。该库包含兼容约束信息的标准API和多种安全增强学习任务,如安全导航和速度控制。研究人员可通过其代码框架和环境设计探索新见解,促进SafeRL算法的基准测试和环境标准化。

Safe-Policy-Optimization为安全强化学习(Safe RL)提供了全面的算法基准平台。该项目整合了多种算法和环境，支持单智能体和多智能体任务，具备正确性、可扩展性、日志记录和可视化等特性。通过统一的接口和详细文档，Safe-Policy-Optimization简化了安全RL算法的评估和比较流程，为研究人员提供了强大的实验工具。