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 TypeScript

リポジトリ合計564件

351
instadeepai/Mava

🦁 JAXにおけるマルチエージェント強化学習の迅速な実験のための研究フレンドリーなコードベース

instadeepai
⭐ 939 Python 👤 instadeepai Organization 🕐 更新日時 2026-11-06 📅 作成日 2021-03-30
352
learnsyslab/safe-control-gym

CasADiシンボリック事前ダイナミクスを備えたPyBullet CartPoleおよびQuadrotor環境—学習ベースの制御とRL用

learnsyslab
⭐ 937 Python 👤 learnsyslab Organization 🕐 更新日時 2026-04-29 📅 作成日 2021-08-04
353
OSU-NLP-Group/GUI-Agents-Paper-List

素晴らしい GUI エージェント論文リスト

OSU-NLP-Group
⭐ 934 TypeScript 👤 OSU-NLP-Group Organization 🕐 更新日時 2026-11-17 📅 作成日 2024-10-30
354
yongliang-wu/DFT

[ICLR 2026] SFTの一般化について:報酬修正を伴った強化学習の観点。

yongliang-wu
⭐ 932 Python 👤 yongliang-wu User 🕐 更新日時 2026-08-01 📅 作成日 2025-08-01
355
PacktPublishing/Modern-Computer-Vision-with-PyTorch

PyTorch を使用した現代のコンピュータビジョン、Packt 出版

PacktPublishing
⭐ 932 Jupyter Notebook 👤 PacktPublishing Organization 🕐 更新日時 2026-03-02 📅 作成日 2019-04-03
356
Open-X-Humanoid/TienKung-Lab

Tien Kung-Lab: 脚式ロボット向けIsaacLabダイレクトワークフロー

Open-X-Humanoid
⭐ 927 Python 👤 Open-X-Humanoid Organization 🕐 更新日時 2026-10-23 📅 作成日 2025-07-03
357
chrisliu298/awesome-on-policy-distillation

大規模言語モデルのオン・ポリシー蒸留(OPD)に関する論文、技術レポート、フレームワーク、ツールの厳選コレクション

chrisliu298
⭐ 926 👤 chrisliu298 User 🕐 更新日時 2026-10-06 📅 作成日 2026-03-22
358
tencent-ailab/hok_env

TencentのHonor of Kings AIオープン環境

tencent-ailab
⭐ 925 Python 👤 tencent-ailab User 🕐 更新日時 2026-05-18 📅 作成日 2022-06-08
359
datamllab/awesome-game-ai

マルチエージェント強化学習の素晴らしいゲームAI資料

datamllab
⭐ 925 👤 datamllab Organization 🕐 更新日時 2024-06-26 📅 作成日 2019-10-19
360
ai4co/rl4co

組み合わせ最適化(CO)のためのすべての関連事項に対応するPyTorchライブラリ(RL)

ai4co
⭐ 924 Python 👤 ai4co Organization 🕐 更新日時 2026-09-14 📅 作成日 2023-02-23
361
mbreuss/diffusion-literature-for-robotics

トピックについて学ぶための拡散モデルに関する主要な論文とブログの概要。公開されたすべての拡散ロボット工学論文の詳細なリスト。

mbreuss
⭐ 923 👤 mbreuss User 🕐 更新日時 2026-09-22 📅 作成日 2022-11-02
362
opendilab/awesome-decision-transformer

Decision Transformer のリソース厳選リスト(随時更新)

opendilab
⭐ 921 👤 opendilab Organization 🕐 更新日時 2026-05-21 📅 作成日 2022-08-01
363
alfworld/alfworld

ALFWorld:テキストと具現化された環境を整列させてインタラクティブ学習を実現

alfworld
⭐ 921 Python 👤 alfworld User 🕐 更新日時 2026-02-08 📅 作成日 2020-10-13
364
microsoft/maro

Multi-Agent Resource Optimization (MARO) プラットフォームは、実世界の資源最適化問題のための Reinforcement Learning as a Service (RaaS) のインスタンスです。

microsoft
⭐ 920 Python 👤 microsoft Organization 🕐 更新日時 2025-04-24 📅 作成日 2019-12-27
365
THUDM/AutoWebGLM

LLMベースのWebナビゲーションエージェント (KDD'24)

THUDM
⭐ 917 Python 👤 THUDM Organization 🕐 更新日時 2024-09-27 📅 作成日 2024-04-03
366
Amin-Tgz/awesome-CARLA

👉 CARLA のリソース(チュートリアル、ブログ、コードなど)https://github.com/carla-simulator/carla

Amin-Tgz
⭐ 916 👤 Amin-Tgz User 🕐 更新日時 2026-09-28 📅 作成日 2019-09-19
367
eureka-research/DrEureka

「DrEureka: 言語モデルガイド付き Sim-to-Real 転送」(RSS 2024) の公式リポジトリ

eureka-research
⭐ 912 Python 👤 eureka-research Organization 🕐 更新日時 2024-08-26 📅 作成日 2024-05-03
368
MolecularAI/REINVENT4

De novoデザイン、スキャフォールドホッピング、R基置換、リンカー設計、分子最適化のためのAI分子設計ツール。

MolecularAI
⭐ 910 Python 👤 MolecularAI Organization 🕐 更新日時 2026-11-06 📅 作成日 2023-10-20
369
Kautenja/gym-super-mario-bros

NES版マリオゲーム向けのGymnasium環境。タスクメタデータ、報酬計測機能、再現可能な評価インターフェースを備えています。

Kautenja
⭐ 910 Python 👤 Kautenja User 🕐 更新日時 2026-09-30 📅 作成日 2018-04-24
370
Farama-Foundation/Shimmy

Farama 以外の人気の強化学習環境向け PettingZoo および Gymnasium バインディング

Farama-Foundation
⭐ 906 Python 👤 Farama-Foundation Organization 🕐 更新日時 2026-11-12 📅 作成日 2022-10-06
371
vwxyzjn/ppo-implementation-details

ブログ記事『Proximal Policy Optimizationの37の実装詳細』のソースコード

vwxyzjn
⭐ 903 Python 👤 vwxyzjn User 🕐 更新日時 2024-03-23 📅 作成日 2022-01-14
372
the-deep-learners/TensorFlow-LiveLessons

"TensorFlowによるディープラーニング" LiveLessons

the-deep-learners
⭐ 903 Jupyter Notebook 👤 the-deep-learners Organization 🕐 更新日時 2024-08-20 📅 作成日 2017-04-18
373
amazon-far/TWIST2

[arXiv 2025] TWIST2: スケーラブルでポータブルかつホリスティックなヒューマノイドデータ収集システム

amazon-far
⭐ 902 Python 👤 amazon-far Organization 🕐 更新日時 2026-09-23 📅 作成日 2025-11-05
374
tulerfeng/Video-R1

Video-R1: MLLMにおけるビデオ推論の強化 [🔥ビデオのためのR1を最初に探求した論文]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 更新日時 2025-12-14 📅 作成日 2025-02-22
375
kengz/awesome-deep-rl

素晴らしいディープ強化学習リソースのキュレーションリスト。

kengz
⭐ 895 👤 kengz User 🕐 更新日時 2025-07-13 📅 作成日 2019-08-17
376
Denghaoyuan123/Awesome-RL-VLA

ロボット操作におけるビジョン・言語・行動モデルの強化学習に関する調査

Denghaoyuan123
⭐ 891 👤 Denghaoyuan123 User 🕐 更新日時 2026-05-18 📅 作成日 2025-11-13
377
bold-lab-ai/JaxMARL

JAXによるマルチエージェント強化学習

bold-lab-ai
⭐ 879 Python 👤 bold-lab-ai Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-03-27
379
instadeepai/jumanji

🕹️ JAXにおける多様でスケーラブルな強化学習環境スイート

instadeepai
⭐ 877 Python 👤 instadeepai Organization 🕐 更新日時 2026-10-16 📅 作成日 2022-08-11
380
dmarx/anthology-of-modern-ml

教科書として扱うべき重要記事のコレクション

dmarx
⭐ 877 Jupyter Notebook 👤 dmarx User 🕐 更新日時 2025-08-31 📅 作成日 2021-07-14
381
NM512/dreamerv3-torch

PyTorchでのDreamer v3の実装。

NM512
⭐ 875 Python 👤 NM512 User 🕐 更新日時 2026-03-08 📅 作成日 2023-02-11
382
open-thought/system-2-research

System 2 Reasoning Link Collection

open-thought
⭐ 874 👤 open-thought Organization 🕐 更新日時 2025-03-16 📅 作成日 2024-08-03
383
Purewhiter/mobilegym

[EMNLP 2026] MobileGym: モバイル GUI エージェント研究のための検証可能かつ高度に並行化されたシミュレーションプラットフォーム · ブラウザ上で動作する Android シミュレータ · 検証可能な評価 · スケーラブルなオンライン強化学習(RL)トレーニング

Purewhiter
⭐ 872 Python 👤 Purewhiter User 🕐 更新日時 2026-11-16 📅 作成日 2026-05-14
384
whitecircle/halo

Halo は、White Circle が開発した、大規模言語モデルおよびマルチモーダルモデルのトレーニング用オープンソースフレームワークです

whitecircle
⭐ 868 Python 👤 whitecircle Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-08-26
385
ZiyuGuo99/Image-Generation-CoT

[CVPR 2025] 画像生成におけるCoT推論(RL、TTS、反射)の最初の調査

ZiyuGuo99
⭐ 865 Python 👤 ZiyuGuo99 User 🕐 更新日時 2026-03-19 📅 作成日 2025-01-23
386
eloialonso/iris

Transformerはサンプル効率の良いワールドモデルです。ICLR 2023、注目のトップ5%。

eloialonso
⭐ 861 Python 👤 eloialonso User 🕐 更新日時 2024-10-14 📅 作成日 2022-08-23
387
LeCAR-Lab/BFM-Zero

BFM_Zero: 非監督強化学習を用いたヒューマノイド制御のためのプロンプト可能な行動基盤モデル

LeCAR-Lab
⭐ 844 Python 👤 LeCAR-Lab Organization 🕐 更新日時 2026-10-21 📅 作成日 2025-11-04
388
TideDra/lmm-r1

マルチモーダルタスクにおけるDeepSeek-R1の再現のためのLMM RLトレーニングをサポートするようにOpenRLHFを拡張します。

TideDra
⭐ 843 Python 👤 TideDra User 🕐 更新日時 2025-05-14 📅 作成日 2025-02-13
389
david-cortes/contextualbandits

文脈的 bandit アルゴリズムの Python 実装

david-cortes
⭐ 842 Python 👤 david-cortes User 🕐 更新日時 2026-10-28 📅 作成日 2018-03-27
390
OpenBMB/AgentCPM

さまざまなLLMエージェントのトレーニングと評価のためのエンドツーエンドインフラストラクチャ.

OpenBMB
⭐ 835 Python 👤 OpenBMB Organization 🕐 更新日時 2026-10-22 📅 作成日 2026-01-08
391
Calix-L/DanKS

強化学習を活用した小規模競技団体戦カードゲーム「掼蛋」エージェント

Calix-L
⭐ 833 Python 👤 Calix-L User 🕐 更新日時 2026-10-31 📅 作成日 2026-08-21
392
iLearn-Lab/VLA-Diffusion-Policy-Robotics

ロボットマニピュレーションのための拡散モデルに関する素晴らしいリソースと論文のコレクション。

iLearn-Lab
⭐ 833 👤 iLearn-Lab Organization 🕐 更新日時 2026-07-13 📅 作成日 2025-03-12
393
YanjieZe/TWIST

[CoRL 2025] TWIST: 遠隔操作全身模倣システム

YanjieZe
⭐ 823 Python 👤 YanjieZe User 🕐 更新日時 2025-11-01 📅 作成日 2025-04-30
394
irom-princeton/dppo

Diffusion Policy Policy Optimizationの公式実装、arxiv 2024

irom-princeton
⭐ 822 Python 👤 irom-princeton Organization 🕐 更新日時 2025-02-04 📅 作成日 2024-09-04
395
chauncygu/Safe-Reinforcement-Learning-Baselines

このリポジトリは、安全な強化学習ベースライン用です。

chauncygu
⭐ 816 Jupyter Notebook 👤 chauncygu User 🕐 更新日時 2026-03-13 📅 作成日 2022-02-22
396
dhcode-cpp/X-R1

0.5B R1-Zero トレーニングの最小コスト

dhcode-cpp
⭐ 815 Python 👤 dhcode-cpp User 🕐 更新日時 2025-05-14 📅 作成日 2025-02-11
397
SanDiegoMachineLearning/bookclub

ブッククラブミーティングのノートとリンク

SanDiegoMachineLearning
⭐ 813 Jupyter Notebook 👤 SanDiegoMachineLearning Organization 🕐 更新日時 2026-11-08 📅 作成日 2020-09-18
399
Optima-CityU/LLM4AD

LLM4AD:大規模言語モデルを用いたアルゴリズム設計のためのプラットフォーム

Optima-CityU
⭐ 811 Python 👤 Optima-CityU Organization 🕐 更新日時 2026-11-17 📅 作成日 2024-11-26
400
MarkFzp/humanplus

[CoRL 2024] HumanPlus: 人間からのヒューマノイド・シャドーイングと模倣

MarkFzp
⭐ 810 Python 👤 MarkFzp User 🕐 更新日時 2024-07-01 📅 作成日 2024-06-12