Git Stars Git Stars

#reinforcement-learning リポジトリ

563
リポジトリ総数
2.1M
合計スター数
3,717
リポジトリあたりの平均スター数

リポジトリ合計564件

501
sotetsuk/pgx

♟️ JAX におけるベクトル化された RL ゲーム環境

sotetsuk
⭐ 611 Python 👤 sotetsuk User 🕐 更新日時 2025-03-06 📅 作成日 2022-08-11
502
chsiang426/ML-2021-notes

台湾大学(NTU)の李宏毅教授「機械学習 (Machine Learning) 2021 Spring」コースノート

chsiang426
⭐ 610 👤 chsiang426 User 🕐 更新日時 2026-08-16 📅 作成日 2023-03-31
504
yingchengyang/Reinforcement-Learning-Papers

強化学習に関する関連論文、主要な会議における古典的な論文と最新の論文を含む

yingchengyang
⭐ 603 👤 yingchengyang User 🕐 更新日時 2026-02-06 📅 作成日 2021-10-29
505
PKU-Alignment/safety-gymnasium

NeurIPS 2023: Safety-Gymnasium: 統一された安全な強化学習ベンチマーク

PKU-Alignment
⭐ 602 Python 👤 PKU-Alignment Organization 🕐 更新日時 2026-07-21 📅 作成日 2023-01-27
506
LHRLAB/Graph-R1

[ICML 2026] 「Graph-R1: エンドツーエンド強化学習によるAgentic GraphRAGフレームワークへの道」の公式リソース。

LHRLAB
⭐ 600 Python 👤 LHRLAB User 🕐 更新日時 2026-11-02 📅 作成日 2025-03-11
507
lwpyh/Awesome-MLLM-Reasoning-Collection

マルチモーダル推論に関する論文、コード、データセット、ベンチマーク、およびリソースのコレクション。

lwpyh
⭐ 598 👤 lwpyh User 🕐 更新日時 2026-04-01 📅 作成日 2025-03-16
508
Hellod035/LeggedLab

脚付きロボットのためのダイレクトIsaacLabワークフロー

Hellod035
⭐ 593 Python 👤 Hellod035 User 🕐 更新日時 2025-05-30 📅 作成日 2025-03-07
⭐ 593 Python 👤 btx0424 User 🕐 更新日時 2026-01-20 📅 作成日 2023-02-09
510
DmitryRyumin/AAAI-2024-Papers

AAAI 2024 論文: 最も有力な人工知能カンファレンスの一つで発表された革新的な研究論文の包括的なコレクションをご覧ください。より深い理解のためにコード実装をシームレスに統合します。⭐ このリポジトリで人工知能の進歩の最前線を体験してください!

DmitryRyumin
⭐ 591 Python 👤 DmitryRyumin User 🕐 更新日時 2025-01-26 📅 作成日 2024-02-16
511
wendell0218/Awesome-RL-for-Video-Generation

動画生成のための強化学習に関する厳選された論文リスト

wendell0218
⭐ 587 👤 wendell0218 User 🕐 更新日時 2026-04-15 📅 作成日 2025-02-13
512
yfzhang114/Thyme

✨✨ [ICLR 2026] 画像を超えて考える

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 更新日時 2025-09-23 📅 作成日 2025-08-17
514
antirez/ttt-rl

C言語での強化学習の例、三目並べをプレイ

antirez
⭐ 584 C 👤 antirez User 🕐 更新日時 2025-03-13 📅 作成日 2025-03-10
515
algorithmsbooks/decisionmaking

意思決定のためのアルゴリズム 教科書

algorithmsbooks
⭐ 584 👤 algorithmsbooks Organization 🕐 更新日時 2026-10-23 📅 作成日 2020-07-19
516
OPPO-PersonalAI/Agent_Foundation_Models

Chain-of-Agents: マルチエージェント蒸留とエージェントRLを介したエンドツーエンドのエージェント基盤モデル。

OPPO-PersonalAI
⭐ 582 Python 👤 OPPO-PersonalAI Organization 🕐 更新日時 2025-09-08 📅 作成日 2025-08-05
517
facebookresearch/meta-agents-research-environments

Meta Agents Research Environmentsは、動的で現実的なシナリオにおいてAIエージェントを評価するために設計された包括的なプラットフォームです。静的なベンチマークとは異なり、このプラットフォームは、新しい情報が入手可能になるにつれてエージェントが戦略を適応させる必要がある進化する環境を導入しており、現実世界の課題を反映しています。

facebookresearch
⭐ 581 Python 👤 facebookresearch Organization 🕐 更新日時 2026-09-30 📅 作成日 2025-09-11
518
erwincoumans/pybullet_robots

PyBullet 用のロボットのプロトタイピング(F1/10 MIT レースカー、Sawyer、Baxter、Dobot アーム、Boston Dynamics Atlas、Botlab 環境)

erwincoumans
⭐ 581 Python 👤 erwincoumans User 🕐 更新日時 2026-02-12 📅 作成日 2017-10-10
519
liangpan99/TokenHSI

[CVPR 2025 Oral] TokenHSI: タスクトークン化による物理的な人間とシーンの相互作用の統一的合成

liangpan99
⭐ 577 Python 👤 liangpan99 User 🕐 更新日時 2026-09-24 📅 作成日 2024-11-25
520
dynamicslab/hydrogym

流体力学のデータ駆動型モデリングと制御における課題問題のための強化学習ジム。

dynamicslab
⭐ 577 Python 👤 dynamicslab Organization 🕐 更新日時 2026-11-18 📅 作成日 2021-12-29
521
stepfun-ai/StepDeepResearch

ステップディープリサーチ

stepfun-ai
⭐ 576 Python 👤 stepfun-ai Organization 🕐 更新日時 2026-03-24 📅 作成日 2025-11-26
522
HenryHuYu/DiffPhysDrone

Nature Machine Intelligenceに掲載!微分可能な物理学トレーニングに基づく世界初の本物のロボット(クアッドローター)。

HenryHuYu
⭐ 573 Cuda 👤 HenryHuYu User 🕐 更新日時 2025-06-25 📅 作成日 2025-04-17
523
openai/mujoco-worldgen

Mujoco 用の自動オブジェクト XML 生成

openai
⭐ 573 Python 👤 openai Organization 🕐 更新日時 2024-07-26 📅 作成日 2019-08-21
524
adithya-s-k/FineEnvs

FineEnvs — 強化学習環境入門:LLM時代における強化学習環境の構築とスケーリング

adithya-s-k
⭐ 572 Python 👤 adithya-s-k User 🕐 更新日時 2026-11-14 📅 作成日 2026-05-01
525
oreilly-japan/deep-learning-from-scratch-4

『ゼロから作る Deep Learning ❹』(O'Reilly Japan, 2022)

oreilly-japan
⭐ 572 Jupyter Notebook 👤 oreilly-japan Organization 🕐 更新日時 2024-09-30 📅 作成日 2020-08-27
526
real-stanford/umi-on-legs

UMI on Legs: 操作中心型全身コントローラーによるマニピュレーションポリシーのモバイル化

real-stanford
⭐ 570 Python 👤 real-stanford Organization 🕐 更新日時 2026-07-20 📅 作成日 2024-06-28
527
threedworld-mit/tdw

ThreeDWorld シミュレーション環境

threedworld-mit
⭐ 570 Python 👤 threedworld-mit Organization 🕐 更新日時 2024-06-03 📅 作成日 2020-03-06
528
idreesshaikh/Autonomous-Driving-in-Carla-using-Deep-Reinforcement-Learning

自律走行(Carla)における深層強化学習(PPO)[ゼロから]

idreesshaikh
⭐ 567 Python 👤 idreesshaikh User 🕐 更新日時 2025-11-13 📅 作成日 2022-05-18
529
heleidsn/UAV_Navigation_DRL_AirSim

これはDRL手法を使用してUAVナビゲーション(ローカルパスプランニング)ポリシーを訓練するための新しいリポジトリです。

heleidsn
⭐ 566 Python 👤 heleidsn User 🕐 更新日時 2025-07-19 📅 作成日 2022-01-19
530
voidful/TextRL

huggingfaceのtransformer(blommz-176B/bloom/gpt/bart/T5/MetaICL)の任意の生成モデルでのChatGPT RLHF(人間からのフィードバックによる強化学習)の実装

voidful
⭐ 564 Python 👤 voidful User 🕐 更新日時 2026-04-23 📅 作成日 2021-03-18
531
deepreinforce-ai/CUDA-L2

CUDA-L2: 強化学習による行列積算で cuBLAS 性能を上回る

ornith-ai
⭐ 563 Cuda 👤 ornith-ai Organization 🕐 更新日時 2026-03-30 📅 作成日 2025-12-02
533
Sirui-Xu/InterMimic

[CVPR 2025 ハイライト] InterMimic: 物理ベースの人間と物体のインタラクションに向けた汎用的な全身制御の実現に向けて

Sirui-Xu
⭐ 560 Python 👤 Sirui-Xu User 🕐 更新日時 2026-11-12 📅 作成日 2025-03-25
534
hades217/awesome-ai

人工知能リソースのキュレートされたリスト (コース、ツール、アプリ、オープンソースプロジェクト)

hades217
⭐ 560 HTML 👤 hades217 User 🕐 更新日時 2026-11-20 📅 作成日 2017-07-18
⭐ 557 Python 👤 analoganddigital User 🕐 更新日時 2024-08-31 📅 作成日 2021-02-02
536
swarm-subnet/Langostino

Langostino — ROS2 と AI を活用した飛行制御を使用する、オープンソースの自律型ドローンプラットフォーム。実環境におけるドローンの自律性を構築、理解、拡張するための完全なリファレンス実装です。

swarm-subnet
⭐ 556 Python 👤 swarm-subnet Organization 🕐 更新日時 2026-02-24 📅 作成日 2025-09-09
538
PetoiCamp/OpenCatEsp32-Quadruped-Robot

ESP32ベースのオープンソース四足ロボットペット用フレームワーク。Boston Dynamics風の四足歩行ロボットの開発に利用でき、STEM、プログラミング・ロボティクス教育、IoTロボティクスアプリケーション、AIを活用したロボティクスアプリケーションサービス、研究、DIYロボットキットの開発に最適です。

PetoiCamp
⭐ 553 C++ 👤 PetoiCamp Organization 🕐 更新日時 2026-11-18 📅 作成日 2021-02-19
539
jchengai/pluto

PLUTO:自動運転における模倣学習ベースの計画の限界をプッシュする

jchengai
⭐ 545 Python 👤 jchengai User 🕐 更新日時 2024-07-15 📅 作成日 2024-04-22
540
LucasAlegre/morl-baselines

多目的強化学習アルゴリズムの実装。

LucasAlegre
⭐ 545 Python 👤 LucasAlegre User 🕐 更新日時 2026-09-21 📅 作成日 2022-07-22
541
Gen-Verse/ReasonFlux

[NeurIPS 2025 Spotlight] LLM ポストトレーニングスイート — ReasonFlux、ReasonFlux-PRM、ReasonFlux-Coder を搭載。

Gen-Verse
⭐ 543 Python 👤 Gen-Verse Organization 🕐 更新日時 2025-09-27 📅 作成日 2025-02-10
542
hsahovic/poke-env

Poke-env: Pokemon Showdownボット用Pythonインターフェース

hsahovic
⭐ 541 Python 👤 hsahovic User 🕐 更新日時 2026-11-15 📅 作成日 2019-08-06
543
kissqy/Microduck-kissqy

🦆 Microduck Feetech HD1910ロボットアヒルのレプリカ:実機での片脚バランス、すぐに使える動作モデル、中国語の制御コンソール、自作HAT/IMU、3ステップの組み立てガイド。標準的なレプリカなら学習は不要です。

kissqy
⭐ 540 Rust 👤 kissqy User 🕐 更新日時 2026-11-21 📅 作成日 2026-10-07
544
leehanchung/awesome-full-stack-machine-learning-courses

CalTech、コロンビア大学、バークレー校、MIT、スタンフォード大学が提供する、一般公開されている機械学習エンジニアリングコースの厳選リスト。

leehanchung
⭐ 537 JavaScript 👤 leehanchung User 🕐 更新日時 2026-06-22 📅 作成日 2019-10-31
545
LeCAR-Lab/ABS

[RSS 2024] 俊敏かつ安全:衝突のない高速脚式移動の学習

LeCAR-Lab
⭐ 530 Python 👤 LeCAR-Lab Organization 🕐 更新日時 2024-07-11 📅 作成日 2024-01-29
546
uoftcprg/pokerkit

ポーカーゲームのシミュレーション、ハンド評価、統計分析のためのオープンソースPythonライブラリ

uoftcprg
⭐ 528 Python 👤 uoftcprg Organization 🕐 更新日時 2026-11-20 📅 作成日 2021-02-12
547
NVlabs/qerl

[ICLR 2026] QeRLにより、単一のH100 GPUで32B LLMにRLを適用可能。

NVlabs
⭐ 527 Python 👤 NVlabs Organization 🕐 更新日時 2026-11-16 📅 作成日 2025-09-22
548
moxin-org/Moxin-LLM

Moxinは、完全にオープンソースで再現可能なLLMファミリーです

moxin-org
⭐ 526 Python 👤 moxin-org Organization 🕐 更新日時 2025-07-02 📅 作成日 2024-12-03
549
THUDM/WebRL

自己進化型オンラインカリキュラムRLを用いたオープンLLMウェブエージェントの構築

THUDM
⭐ 526 Python 👤 THUDM Organization 🕐 更新日時 2025-06-06 📅 作成日 2024-11-01
550
mll-lab-nu/VAGEN

マルチターンVLMエージェントのためのワールドモデル強化学習。視覚のための強化学習フレームワーク(NeurIPS 2025)。

mll-lab-nu
⭐ 525 Python 👤 mll-lab-nu Organization 🕐 更新日時 2026-10-29 📅 作成日 2025-03-04