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

301
PKU-Alignment/omnisafe

JMLR: OmniSafeは、SafeRLの研究を加速するためのインフラストラクチャフレームワークです。

PKU-Alignment
⭐ 1,122 Python 👤 PKU-Alignment Organization 🕐 更新日時 2025-03-17 📅 作成日 2022-11-19
302
BytedTsinghua-SIA/MemAgent

3.5Mに拡張可能なMemAgentフレームワークと、あらゆるエージェントワークフローのRLトレーニングのためのトレーニングフレームワーク。

BytedTsinghua-SIA
⭐ 1,118 Python 👤 BytedTsinghua-SIA Organization 🕐 更新日時 2026-05-12 📅 作成日 2025-06-24
303
xid32/SoundMind

複雑な推論タスクのために特別に設計された6,446のテキストとオーディオの注釈付きサンプルで構成されるAudio Logical Reasoning(ALR)データセットを導入します。このリソースに基づいて、オーディオ言語モデル(ALM)に深い双方向推論能力を付与するように調整された、ルールベースの強化学習(RL)アルゴリズムであるSoundMindを提案します。

xid32
⭐ 1,116 Python 👤 xid32 User 🕐 更新日時 2025-11-26 📅 作成日 2025-06-13
304
agi-brain/xuance

XuanCe:包括的で統一された深層強化学習ライブラリ

agi-brain
⭐ 1,114 Python 👤 agi-brain Organization 🕐 更新日時 2026-11-17 📅 作成日 2023-05-21
305
waymo-research/waymax

自動運転研究のためのJAXベースのシミュレータ。

waymo-research
⭐ 1,110 Python 👤 waymo-research Organization 🕐 更新日時 2025-10-23 📅 作成日 2023-10-02
306
Kim-Hammar/awesome-rl-for-cybersecurity

サイバーセキュリティに適用された強化学習専用のリソースのキュレーションされたリスト。

Kim-Hammar
⭐ 1,109 👤 Kim-Hammar User 🕐 更新日時 2026-07-21 📅 作成日 2021-12-14
307
vietnh1009/Super-mario-bros-A3C-pytorch

スーパーマリオブラザーズのための非同期アドバンテージアクタークリティック (A3C) アルゴリズム

vietnh1009
⭐ 1,105 Python 👤 vietnh1009 User 🕐 更新日時 2024-04-28 📅 作成日 2019-05-29
308
LucasAlegre/sumo-rl

SUMO を使用した交通信号制御のための強化学習環境。Gymnasium、PettingZoo、および人気の RL ライブラリと互換性があります。

LucasAlegre
⭐ 1,104 Python 👤 LucasAlegre User 🕐 更新日時 2026-03-08 📅 作成日 2018-12-10
309
Toni-SM/skrl

モジュラー強化学習(RL)ライブラリ(PyTorch、JAX、NVIDIA Warpで実装)で、Gymnasium/Gym、NVIDIA Isaac Lab、MuJoCo Playgroundなどの環境をサポート

Toni-SM
⭐ 1,103 Python 👤 Toni-SM User 🕐 更新日時 2026-11-21 📅 作成日 2021-10-18
310
offchan42/machine-learning-curriculum

:computer: 機械が学ぶよう学べば、プログラミングで苦労しなくて済む;究極のリスト

offchan42
⭐ 1,102 👤 offchan42 User 🕐 更新日時 2024-03-03 📅 作成日 2016-12-12
311
JudgmentLabs/judgeval

エージェントのための継続的改善スタック。当社の環境データと評価は、エージェントの改善と監視を強化します。

JudgmentLabs
⭐ 1,073 Python 👤 JudgmentLabs Organization 🕐 更新日時 2026-11-19 📅 作成日 2024-10-25
312
reacher-z/Awesome-CUA

コンピューター操作エージェントに関する、出典に基づくオープンカタログ:精査済み論文、GUIモデル、データセット、ベンチマーク、ツール、再利用可能なJSONL/SQLiteデータ。

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 更新日時 2026-11-21 📅 作成日 2026-10-16
313
TeleHuman/PBHC

「KungfuBot: 物理ベースの人型ロボット全身制御による高ダイナミックなスキルの学習」の公式実装

TeleHuman
⭐ 1,072 Python 👤 TeleHuman Organization 🕐 更新日時 2026-07-01 📅 作成日 2025-05-20
314
metauto-ai/GPTSwarm

🐝 RL / プロンプト最適化を活用した初の自己改善エージェント

metauto-ai
⭐ 1,072 Python 👤 metauto-ai Organization 🕐 更新日時 2026-02-05 📅 作成日 2024-02-26
315
BAILOOL/DoYouEvenLearn

AI/ML/DL/CVの最新情報を追うためのエッセンシャルガイド

BAILOOL
⭐ 1,066 👤 BAILOOL User 🕐 更新日時 2025-01-18 📅 作成日 2017-12-03
316
worldbench/DiffusionOPSD

🔥 拡散モデルにおけるオンポリシー自己蒸留

worldbench
⭐ 1,057 Python 👤 worldbench Organization 🕐 更新日時 2026-10-12 📅 作成日 2026-07-29
317
rl-tools/rl-tools

最速のディープ強化学習ライブラリ

rl-tools
⭐ 1,056 C++ 👤 rl-tools Organization 🕐 更新日時 2026-11-18 📅 作成日 2023-11-11
318
Farama-Foundation/Stable-Retro

追加のゲーム、エミュレーター、サポート対象プラットフォームを備えた gym-retro のフォーク

Farama-Foundation
⭐ 1,053 C++ 👤 Farama-Foundation Organization 🕐 更新日時 2026-11-21 📅 作成日 2023-05-15
319
Tencent-Hunyuan/UniRL

UniRLは、統合マルチモーダルモデル強化学習のためのフレームワークです

Tencent-Hunyuan
⭐ 1,051 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-11-16 📅 作成日 2026-06-08
320
pytorch/tensordict

単一のテンソルのように振る舞う dict[str, torch.Tensor] と、コンパイル可能な型付きバッチデータクラスである TensorClass。

pytorch
⭐ 1,046 Python 👤 pytorch Organization 🕐 更新日時 2026-11-21 📅 作成日 2022-10-19
321
PKU-MARL/DexterousHands

これは、Isaac Gym を介してデュアル器用な手の操作タスクを提供するライブラリです

PKU-MARL
⭐ 1,043 Python 👤 PKU-MARL Organization 🕐 更新日時 2025-02-18 📅 作成日 2022-03-30
322
hanjuku-kaso/awesome-offline-rl

オフライン強化学習 (offline-rl) のアルゴリズムインデックス

hanjuku-kaso
⭐ 1,042 👤 hanjuku-kaso Organization 🕐 更新日時 2024-05-23 📅 作成日 2020-12-04
323
MrSyee/pg-is-all-you-need

Policy Gradient がすべて!よく知られた PG 手法のステップバイステップ チュートリアル。

MrSyee
⭐ 1,040 Jupyter Notebook 👤 MrSyee User 🕐 更新日時 2026-07-17 📅 作成日 2019-07-15
324
silvery107/rl-mpc-locomotion

四足ロボット歩行のMPC制御のための深層強化学習

silvery107
⭐ 1,036 Python 👤 silvery107 User 🕐 更新日時 2026-04-26 📅 作成日 2021-11-22
325
ZhiqingXiao/rl-book

書籍「Reinforcement Learning: Theory and Python Implementation」のソースコード

ZhiqingXiao
⭐ 1,033 HTML 👤 ZhiqingXiao User 🕐 更新日時 2025-10-26 📅 作成日 2019-01-25
326
alex-petrenko/sample-factory

高スループットの同期および非同期強化学習

alex-petrenko
⭐ 1,030 Python 👤 alex-petrenko User 🕐 更新日時 2026-10-19 📅 作成日 2019-06-20
327
MeiGen-AI/PosterCraft

[ICLR2026] 単一フレームワークで高度に美的なポスター生成を再考する

MeiGen-AI
⭐ 1,029 Python 👤 MeiGen-AI Organization 🕐 更新日時 2026-02-11 📅 作成日 2025-06-30
328
MoonshotAI/checkpoint-engine

Checkpoint-engineは、LLM推論エンジンでモデルの重みを更新するためのシンプルなミドルウェアです

MoonshotAI
⭐ 1,026 Python 👤 MoonshotAI Organization 🕐 更新日時 2026-10-22 📅 作成日 2025-09-08
329
imsheridan/DeepRec

推薦および広告業界の古典および最先端の論文、資料コレクション / Recommendation SystemおよびCTR予測に関する必読論文

imsheridan
⭐ 1,021 👤 imsheridan User 🕐 更新日時 2024-01-20 📅 作成日 2019-12-04
330
isaac-sim/OmniIsaacGymEnvs

Omniverse Isaac Gym のための強化学習環境

isaac-sim
⭐ 1,020 Python 👤 isaac-sim Organization 🕐 更新日時 2024-06-06 📅 作成日 2022-06-01
332
facebookresearch/CompilerGym

コンパイラおよびプログラム最適化タスクのための強化学習環境

facebookresearch
⭐ 1,013 Python 👤 facebookresearch Organization 🕐 更新日時 2026-04-14 📅 作成日 2020-11-11
333
Motphys/UniLab

UniLab:物理シミュレーションバックエンドやハードウェアを横断する、契約駆動型のロボット学習基盤

Motphys
⭐ 1,011 Python 👤 Motphys Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-02-04
334
CelaDaniel/free-ai-resources-x

🌟 機械学習 🧠、ディープラーニング 🧩、生成AI 🎨、NLP 💬、データサイエンス 📈を網羅した、無料かつ高品質なAIツール 🤖、API 🔗、データセット 📊、学習リソース 📚の厳選コレクション。開発者 👩‍💻、研究者 🔬、クリエイター ✨がAIを活用してより迅速に探索・構築できるよう支援するために設計されています ⚡。

CelaDaniel
⭐ 1,008 👤 CelaDaniel User 🕐 更新日時 2026-05-21 📅 作成日 2025-10-17
335
luchris429/purejaxrl

本当に高速なエンドツーエンドJax RL実装

luchris429
⭐ 1,007 Python 👤 luchris429 User 🕐 更新日時 2024-09-09 📅 作成日 2023-02-25
336
locuslab/mpc.pytorch

PyTorchのための高速で微分可能なモデル予測制御 (MPC) ソルバ。

locuslab
⭐ 1,007 Python 👤 locuslab Organization 🕐 更新日時 2024-08-27 📅 作成日 2018-10-02
337
stepfun-ai/Step-Audio-EditX

強力な30億パラメータのLLMベース強化学習オーディオ編集モデルは、感情、話し方、パラ言語学の編集に優れており、堅牢なゼロショットテキスト読み上げ機能を備えています。

stepfun-ai
⭐ 1,005 Python 👤 stepfun-ai Organization 🕐 更新日時 2026-04-09 📅 作成日 2025-10-29
338
nicklashansen/tdmpc2

「TD-MPC2:連続制御のためのスケーラブルで堅牢なワールドモデル」のコード

nicklashansen
⭐ 1,004 Python 👤 nicklashansen User 🕐 更新日時 2026-10-20 📅 作成日 2023-10-26
339
TuragaLab/flybody

MuJoCo果物ハエ体モデルとロコモーションRLタスク

TuragaLab
⭐ 984 Python 👤 TuragaLab Organization 🕐 更新日時 2026-02-07 📅 作成日 2024-01-30
340
Kuaishou-OneRec/OpenOneRec

生成式推薦を加速するオープンファウンデーションモデルとベンチマーク

Kuaishou-OneRec
⭐ 983 Python 👤 Kuaishou-OneRec User 🕐 更新日時 2026-05-18 📅 作成日 2025-12-29
341
HumanCompatibleAI/overcooked_ai

完全に協力的な人間-AIパフォーマンスのためのベンチマーク環境。

HumanCompatibleAI
⭐ 973 Jupyter Notebook 👤 HumanCompatibleAI Organization 🕐 更新日時 2025-03-22 📅 作成日 2019-06-23
342
AgileRL/AgileRL

LLM向けの完全なポストトレーニングスタックに加え、あらゆる問題に対応するRLを提供。SFT、DPO、マルチターンのエージェント型RLに、進化的なハイパーパラメータ最適化を組み込み済み。

AgileRL
⭐ 971 Python 👤 AgileRL Organization 🕐 更新日時 2026-11-21 📅 作成日 2023-03-01
343
d0r1h/ML-University

機械学習オープンソース大学

d0r1h
⭐ 956 👤 d0r1h User 🕐 更新日時 2026-10-12 📅 作成日 2020-08-29
344
AspirinCode/papers-for-molecular-design-using-DL

生成的AIとディープラーニングを用いた分子・材料設計のリスト

AspirinCode
⭐ 954 👤 AspirinCode User 🕐 更新日時 2026-11-20 📅 作成日 2023-02-28
345
jonyzhang2023/awesome-humanoid-learning

ヒューマノイドロボットリソース

jonyzhang2023
⭐ 951 👤 jonyzhang2023 User 🕐 更新日時 2026-03-16 📅 作成日 2024-01-16
346
StanfordVL/GibsonEnv

Gibson Environments: 具現化エージェントのための現実世界知覚

StanfordVL
⭐ 949 C 👤 StanfordVL Organization 🕐 更新日時 2026-10-20 📅 作成日 2017-12-18
347
minerllabs/minerl

MineRL サンプル効率的強化学習コンペティション - Python パッケージ

minerllabs
⭐ 947 Java 👤 minerllabs Organization 🕐 更新日時 2025-01-22 📅 作成日 2019-04-23
348
MushroomRL/mushroom-rl

強化学習のためのPythonライブラリ。

MushroomRL
⭐ 946 Python 👤 MushroomRL Organization 🕐 更新日時 2026-11-20 📅 作成日 2017-02-25
350
RobertTLange/gymnax

JAX の RL 環境 🌍

RobertTLange
⭐ 942 Python 👤 RobertTLange User 🕐 更新日時 2026-11-20 📅 作成日 2020-12-26