#reinforcement-learning Repositorios
564 repositorios en total
Algoritmos MARL ajustados en SMAC (tasas de victoria del 100% en la mayoría de los escenarios)
LeanRL es un fork de CleanRL, donde se seleccionaron scripts de PyTorch optimizados para el rendimiento utilizando compile y cudagraphs.
Traducción al chino de 《Aprendizaje por refuerzo: Una introducción》 (segunda edición)
Un asistente de codificación de IA completamente privado y local, desarrollado por Gensyn. Le ayuda a practicar problemas de programación y a entrenar a un asistente novedoso para que le ayude a codificar.
Código para "Adversarial Motion Priors Make Good Substitutes for Complex Reward Functions"
ns3-gym - El Parque de Juegos para el Aprendizaje por Refuerzo en Investigación de Redes
[CoRL '23] Interpretación de piano diestra con aprendizaje por refuerzo profundo.
Simulador de Hearthstone usando C++ con algo de aprendizaje por refuerzo
BenchMARL es una biblioteca para la evaluación comparativa de Multi-Agent Reinforcement Learning (MARL). BenchMARL permite comparar rápidamente diferentes algoritmos, tareas y modelos de MARL, al tiempo que se basa sistemáticamente en sus dos principios fundamentales: reproducibilidad y estandarización.
Un motor de aprendizaje por refuerzo asíncrono para post-entrenamiento omnimodal a gran escala
Este código corresponde a los entornos de simulación utilizados como parte del proyecto MimicGen.
Portafolio de investigación de secundaria: 2 publicaciones revisadas por pares (IEEE, IJHSR) + 3 proyectos activos que abarcan el aprendizaje automático inspirado en la computación cuántica, la biología computacional, la imagen biomédica, el aprendizaje por refuerzo aplicado a incendios forestales y la investigación en educación científica. Afiliado a Stanford Medicine, UCLA COSMOS y UCSB SRA.
RLAnything (ICML 2026) y AutoTool (ICML 2026), DemyAgent: Aprendizaje por refuerzo de código abierto para LLMs y escenarios de agentes
Plataforma de Investigación en IA para Aprendizaje por Refuerzo a partir de Imágenes Panorámicas Reales.
Implementación de algoritmos de Inverse Reinforcement Learning (IRL) en Python/TensorFlow. Deep MaxEnt, MaxEnt, LPIRL
Este es un proyecto sobre un algoritmo autónomo de evitación de obstáculos de aprendizaje por refuerzo profundo para UAV.
Un paquete de aprendizaje por refuerzo para Julia
Una biblioteca de PyTorch para construir agentes de aprendizaje profundo por refuerzo.
Página del proyecto para "Seg-Zero: Segmentación guiada por cadena de razonamiento mediante refuerzo cognitivo"
Últimos avances en razonamiento de cadena de pensamiento larga
Este repositorio contiene una colección de recursos y artículos sobre Modelos de Difusión para RL, que acompañan al artículo "Diffusion Models for Reinforcement Learning: A Survey".
Plataforma de Inteligencia de Decisiones para simulación de conducción autónoma.
Archivo único, GPU única, Desde cero, Eficiente, Biblioteca de ajuste de parámetros completos para "RL for LLMs"
Recursos de modelos de Visión-Lenguaje-Acción para Conducción Autónoma (VLA4AD), que sirven como repositorio complementario al artículo de revisión “A Survey on Vision–Language–Action Models for Autonomous Driving”.
[ICLR 2026] ReCogDrive: Un Marco Cognitivo Reforzado para Conducción Autónoma de Extremo a Extremo
Ciclo de vida completo de un proyecto de ciencia de datos
Código abierto para "HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit".
Este repositorio recopila algunos códigos que encapsulan algoritmos de uso común en el campo del aprendizaje automático. La mayoría se basa en Numpy, Pandas o Torch. Puede profundizar su comprensión de los modelos y algoritmos relacionados o revisarlos para obtener el código personalizado que le pertenece haciendo referencia a este repositorio.
Una lista curada de recursos de aprendizaje por refuerzo multimodales (actualizada continuamente)
Una biblioteca de Python para ejecutar miles de simulaciones de MuJoCo en paralelo en la CPU
Un Proyecto de Aprendizaje por Refuerzo a Gran Escala de Código Abierto para Agentes de Búsqueda
MLGym Un Nuevo Framework y Benchmark para Avanzar en Agentes de Investigación de IA