robotics-rl-srl:S-RL工具箱

该存储库不再维护。 如果您正在寻找RL实现，则有 ，对于培训框架，则有 。 S-RL工具箱：用于机器人技术的强化学习（RL）和状态表示学习（SRL）工具箱 该存储库用于评估使用强化学习的状态表示学习方法。 它集成（自动记录，绘图，保存，加载受过训练的代理）各种RL算法（PPO，A2C，ARS，ACKTR，DDPG，DQN，ACER，CMA-ES，SAC，TRPO）以及不同的SRL方法（请参见 ）（高效的方式）（使用8核cpu和1个Titan X GPU在1小时内达到1百万步）。 我们还发布了可定制的Gym环境，用于仿真（Kuka手臂，PyBullet中的Mobile Robot，在8核计算机上以250 FPS运行）和真实机器人（Baxter Robot，带有ROS的Robobo）。 相关论文： “从策略学习中解耦特征提取：评估基于目标的机器人中状态表示学习的好处”（Raffin等，2