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
プログラミング言語: Python Jupyter Notebook C++ TeX

リポジトリ合計564件

251
reiniscimurs/DRL-robot-navigation

ROS Gazeboシミュレーターにおけるモバイルロボットナビゲーションのための深層強化学習。Twin Delayed Deep Deterministic Policy Gradient (TD3)ニューラルネットワークを使用し、ロボットはシミュレーション環境内のランダムな目標地点へのナビゲーションを、障害物を回避しながら学習します。

reiniscimurs
⭐ 1,380 Python 👤 reiniscimurs User 🕐 更新日時 2025-12-13 📅 作成日 2021-10-25
252
kengz/SLM-Lab

PyTorch を用いたモジュール式深層強化学習フレームワーク。書籍『Foundations of Deep Reinforcement Learning』の付属ライブラリ。

kengz
⭐ 1,366 Python 👤 kengz User 🕐 更新日時 2026-10-29 📅 作成日 2017-10-02
253
tanishqkumar/beyond-nanogpt

現代のディープラーニング研究の主要なアイデアの最小限の注釈付き実装。

tanishqkumar
⭐ 1,361 Python 👤 tanishqkumar User 🕐 更新日時 2026-01-29 📅 作成日 2025-04-16
254
MoonshotAI/Kimi-Dev

ソフトウェアエンジニアリングタスクのためのオープンソースコーディングLLM

MoonshotAI
⭐ 1,357 Python 👤 MoonshotAI Organization 🕐 更新日時 2025-09-30 📅 作成日 2025-06-16
255
fancyboi999/ai-engineering-from-scratch-zh

Agentエンジニアのための最も包括的な学習ロードマップ · ゼロからAIエンジニアリングを極める · 20段階・542レッスン · 中国語の完全翻訳+関連サイト+アニメーション解説動画 · AI Agentエンジニアになるための修練ガイド

fancyboi999
⭐ 1,353 Python 👤 fancyboi999 User 🕐 更新日時 2026-11-21 📅 作成日 2026-05-26
256
NVIDIA-NeMo/Gym

環境を使用してモデルとエージェントを評価し改善する

NVIDIA-NeMo
⭐ 1,347 Python 👤 NVIDIA-NeMo Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-08-25
257
quantumiracle/Popular-RL-Algorithms

Soft Actor-Critic (SAC)、Twin Delayed DDPG (TD3)、Actor-Critic (AC/A2C)、Proximal Policy Optimization (PPO)、QT-Opt、PointNet の PyTorch 実装..

quantumiracle
⭐ 1,344 Jupyter Notebook 👤 quantumiracle User 🕐 更新日時 2025-03-13 📅 作成日 2019-04-19
260
keon/deep-q-learning

Kerasによる最小限のDeep Q Learning (DQNおよびDDQN) 実装

keon
⭐ 1,333 Python 👤 keon User 🕐 更新日時 2026-05-18 📅 作成日 2017-02-06
262
NousResearch/atropos

Atroposは、多様な環境を通じてLLMの軌跡を収集および評価するための言語モデル強化学習環境フレームワークです。

NousResearch
⭐ 1,324 Python 👤 NousResearch Organization 🕐 更新日時 2026-06-29 📅 作成日 2025-04-29
264
wouterkool/attention-learn-to-route

異なるルーティング問題を解決するための学習のためのAttentionベースモデル

wouterkool
⭐ 1,318 Jupyter Notebook 👤 wouterkool User 🕐 更新日時 2024-08-04 📅 作成日 2018-03-22
265
Alibaba-NLP/ZeroSearch

ZeroSearch: 検索なしでLLMの検索能力を奨励する

Alibaba-NLP
⭐ 1,305 Python 👤 Alibaba-NLP Organization 🕐 更新日時 2025-08-16 📅 作成日 2025-05-07
266
ICT-FinD-Lab/alphagen

強化学習による定型アルファ(予測的)株式要因のセット生成。

ICT-FinD-Lab
⭐ 1,302 Python 👤 ICT-FinD-Lab Organization 🕐 更新日時 2026-06-04 📅 作成日 2022-07-05
268
oxwhirl/smac

SMAC: StarCraft マルチエージェントチャレンジ

oxwhirl
⭐ 1,300 Python 👤 oxwhirl Organization 🕐 更新日時 2024-02-18 📅 作成日 2019-01-08
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 更新日時 2025-11-20 📅 作成日 2025-03-15
270
ahundt/awesome-robotics

ロボットに役立つ素晴らしいリンクとソフトウェアライブラリのキュレーションされたリスト。

ahundt
⭐ 1,293 👤 ahundt User 🕐 更新日時 2024-01-10 📅 作成日 2017-05-12
271
metadriverse/metadrive

MetaDrive:みんなのための軽量ドライビングシミュレーター

metadriverse
⭐ 1,284 Python 👤 metadriverse Organization 🕐 更新日時 2026-10-16 📅 作成日 2021-08-28
272
Rishabh-creator601/Books

プログラミングのさまざまな分野のための書籍 / PDF / EPUB。読んで成長して楽しんで 😊😊😊😊

Rishabh-creator601
⭐ 1,281 👤 Rishabh-creator601 User 🕐 更新日時 2026-11-20 📅 作成日 2025-06-15
273
patrick-llgc/Learning-Deep-Learning

ディープラーニングと機械学習に関する論文読書ノート

patrick-llgc
⭐ 1,280 Jupyter Notebook 👤 patrick-llgc User 🕐 更新日時 2026-10-27 📅 作成日 2017-04-02
274
ucla-rlcourse/RLexample

RLと遊ぶ基本的な例

ucla-rlcourse
⭐ 1,275 Jupyter Notebook 👤 ucla-rlcourse Organization 🕐 更新日時 2026-02-18 📅 作成日 2019-01-09
275
uzh-rpg/flightmare

オープンで柔軟なクアッドローターシミュレータ

uzh-rpg
⭐ 1,265 C++ 👤 uzh-rpg Organization 🕐 更新日時 2024-06-14 📅 作成日 2020-07-14
276
google-deepmind/android_env

Android デバイスでの機械学習研究。

google-deepmind
⭐ 1,263 Python 👤 google-deepmind Organization 🕐 更新日時 2026-11-18 📅 作成日 2021-04-21
277
aws-solutions-library-samples/guidance-for-training-an-aws-deepracer-model-using-amazon-sagemaker

DeepRacer ワークショップ コンテンツ。このガイダンスは、ソフトウェア開発者が Amazon SageMaker Notebook インスタンスを使用して、AWS DeepRacer モデルを完全な制御で直接トレーニングおよび評価する方法を示します。

aws-solutions-library-samples
⭐ 1,251 Jupyter Notebook 👤 aws-solutions-library-samples Organization 🕐 更新日時 2024-10-21 📅 作成日 2018-11-23
278
alexfrom0815/Online-3D-BPP-PCT

「Learning Efficient Online 3D Bin Packing on Packing Configuration Trees」のコード実装です。階層的なパッキング構成ツリーで学習することにより、オンライン3Dビンパッキング問題(BPP)の実用的な適用性を向上させることを提案します。これにより、深層強化学習(DRL)モデルは、厳密な制約を容易に処理でき、連続した解空間でも良好なパフォーマンスを発揮できます。

alexfrom0815
⭐ 1,247 Python 👤 alexfrom0815 User 🕐 更新日時 2026-01-21 📅 作成日 2022-02-02
279
Improbable-AI/walk-these-ways

Unitree Go1ロボットのためのシミュレーションから実世界へのRLトレーニングおよび展開ツール。

Improbable-AI
⭐ 1,246 Python 👤 Improbable-AI Organization 🕐 更新日時 2024-06-16 📅 作成日 2022-11-15
280
jiangranlv/embodied-ai-start

[PKU EPIC Lab] 初心者のための具現化AI入門ガイド

jiangranlv
⭐ 1,242 👤 jiangranlv User 🕐 更新日時 2025-12-03 📅 作成日 2025-10-07
281
hanruihua/ir-sim

Pythonベースの軽量ロボットシミュレーターで、ナビゲーション、操作、学習に適しています。

hanruihua
⭐ 1,242 Python 👤 hanruihua User 🕐 更新日時 2026-11-21 📅 作成日 2022-05-30
282
rohanpsingh/LearningHumanoidWalking

強化学習を用いたヒューマノイドロボットの移動訓練

rohanpsingh
⭐ 1,234 Python 👤 rohanpsingh User 🕐 更新日時 2026-05-03 📅 作成日 2022-07-13
283
jannerm/diffuser

論文「Planning with Diffusion for Flexible Behavior Synthesis」のコード

jannerm
⭐ 1,223 Python 👤 jannerm User 🕐 更新日時 2024-07-18 📅 作成日 2022-05-03
284
srush/awesome-o1

o1を取り巻く論文の参考文献と調査

srush
⭐ 1,213 TeX 👤 srush User 🕐 更新日時 2026-07-07 📅 作成日 2024-10-16
285
yfzhang114/Awesome-Multimodal-Large-Language-Models

マルチモーダル大規模言語モデル、大規模言語モデル、拡散モデルに関する読書ノート

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 更新日時 2026-11-07 📅 作成日 2024-03-30
286
Farama-Foundation/MO-Gymnasium

強化学習のための多目的Gymnasium環境

Farama-Foundation
⭐ 1,207 Python 👤 Farama-Foundation Organization 🕐 更新日時 2026-11-11 📅 作成日 2022-04-11
287
ElectricAlexis/NotaGen

NotaGen: 大規模言語モデルのトレーニングパラダイムによる記号音楽生成における音楽性の向上

ElectricAlexis
⭐ 1,202 Python 👤 ElectricAlexis User 🕐 更新日時 2025-04-21 📅 作成日 2024-06-01
288
upb-lea/reinforcement_learning_course_materials

パーダーボルン大学が主催する強化学習コースの講義ノート、解答を含むチュートリアル課題、およびオンラインビデオ

upb-lea
⭐ 1,200 Jupyter Notebook 👤 upb-lea Organization 🕐 更新日時 2026-01-05 📅 作成日 2020-07-20
289
openai/procgen

Procgen ベンチマーク: プロシージャル生成のゲーム風 Gym 環境

openai
⭐ 1,197 C++ 👤 openai Organization 🕐 更新日時 2026-03-27 📅 作成日 2019-11-22
290
bytedance/Fastbot_Android

Fastbot(2.0)は、GUI遷移をモデル化してアプリの安定性の問題を発見するためのモデルベースのテストツールです

bytedance
⭐ 1,189 C++ 👤 bytedance Organization 🕐 更新日時 2025-06-20 📅 作成日 2020-12-04
291
simpler-env/SimplerEnv

一般的なセットアップ(例:Google Robot、WidowX+Bridge)で、シミュレーションにおける実世界のロボット操作ポリシー(例:RT-1、RT-1-X、Octo)の評価と再現(CoRL 2024)

simpler-env
⭐ 1,187 Jupyter Notebook 👤 simpler-env Organization 🕐 更新日時 2026-09-30 📅 作成日 2024-03-23
292
Tencent-Hunyuan/MixGRPO

[ECCV 2026] MixGRPO: 混合ODE-SDEによるフローベースGRPOの効率性解放

Tencent-Hunyuan
⭐ 1,185 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-07-01 📅 作成日 2025-07-29
293
ericyangyu/PPO-for-Beginners

シンプルでスタイルも良いPPOの実装。私のMediumシリーズに基づいています: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

ericyangyu
⭐ 1,184 Python 👤 ericyangyu User 🕐 更新日時 2024-10-01 📅 作成日 2020-09-04
294
RainBowLuoCS/Gamer

Gamerの公式実装:長期的な時間軸で動作するリアルタイムゲームエージェント向け汎用視覚・言語・行動基盤モデル

RainBowLuoCS
⭐ 1,179 👤 RainBowLuoCS User 🕐 更新日時 2026-11-16 📅 作成日 2026-10-30
295
flow-project/flow

交通制御における強化学習のための計算フレームワーク

flow-project
⭐ 1,171 Python 👤 flow-project Organization 🕐 更新日時 2024-07-27 📅 作成日 2017-08-24
296
nnaisense/evotorch

NNAISENSEで作成された、PyTorch上に直接構築された高度な進化計算ライブラリ。

nnaisense
⭐ 1,152 Python 👤 nnaisense Organization 🕐 更新日時 2026-11-16 📅 作成日 2022-08-08
298
NVlabs/DiffusionNFT

[ICLR 2026 Oral] DiffusionNFT: フォワードプロセスによるオンライン拡散強化

NVlabs
⭐ 1,134 Python 👤 NVlabs Organization 🕐 更新日時 2026-02-10 📅 作成日 2025-09-19
299
nv-tlabs/ASE

物理的にシミュレートされたキャラクターの再利用可能なコントローラーをトレーニングするための敵対的スキル埋め込み。

nv-tlabs
⭐ 1,129 Python 👤 nv-tlabs Organization 🕐 更新日時 2025-12-07 📅 作成日 2022-04-25
300
huawei-noah/SMARTS

自動運転のためのスケーラブルなマルチエージェントRLトレーニングスクール

huawei-noah
⭐ 1,123 Python 👤 huawei-noah Organization 🕐 更新日時 2025-01-31 📅 作成日 2020-10-07