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

401
coderonion/awesome-llm-and-aigc

🚀🚀🚀大規模言語モデル(LLM)、ビジョン言語モデル(VLM)、ビジョン言語アクション(VLA)、AI生成コンテンツ(AIGC)に関する素晴らしい公開プロジェクトのコレクション、および関連するデータセットとアプリケーション。

coderonion
⭐ 810 👤 coderonion User 🕐 更新日時 2025-08-01 📅 作成日 2023-02-15
402
GAIR-NLP/DeepResearcher

実世界環境における強化学習によるディープリサーチのスケーリング。

GAIR-NLP
⭐ 808 Python 👤 GAIR-NLP Organization 🕐 更新日時 2026-11-04 📅 作成日 2025-04-02
403
RobertTLange/evosax

JAXにおける進化戦略 🦎

RobertTLange
⭐ 808 Python 👤 RobertTLange User 🕐 更新日時 2026-11-20 📅 作成日 2020-12-30
405
google/ml-compiler-opt

LLVMにおける機械学習ガイド最適化(MLGO)のためのインフラストラクチャ。

google
⭐ 807 Python 👤 google Organization 🕐 更新日時 2026-11-18 📅 作成日 2020-05-28
406
huggingface/Repo2RLEnv

あらゆるリポジトリをコーディングエージェント向けの検証可能なRL環境に変換——Harborのタスクを使って学習・評価し、Hugging Face Hubで共有できます

huggingface
⭐ 804 Python 👤 huggingface Organization 🕐 更新日時 2026-11-16 📅 作成日 2026-05-05
407
OpenRL-Lab/openrl

統合強化学習フレームワーク

OpenRL-Lab
⭐ 802 Python 👤 OpenRL-Lab Organization 🕐 更新日時 2024-09-06 📅 作成日 2023-04-12
408
robotlearning123/awesome-isaac-gym

素晴らしいNVIDIA Issac Gymフレームワーク、論文、ソフトウェア、リソースの厳選されたリスト

robotlearning123
⭐ 800 Python 👤 robotlearning123 User 🕐 更新日時 2026-10-16 📅 作成日 2021-08-07
409
pipiku915/FinMem-LLM-StockTrading

FinMem:レイヤードメモリとキャラクターデザインを備えたパフォーマンス強化LLMトレーディングエージェント

pipiku915
⭐ 798 Python 👤 pipiku915 User 🕐 更新日時 2024-08-18 📅 作成日 2023-12-01
410
google-deepmind/reverb

Reverbは、機械学習の研究のために設計された、効率的で使いやすいデータストレージおよびトランスポートシステムです

google-deepmind
⭐ 796 C++ 👤 google-deepmind Organization 🕐 更新日時 2026-10-26 📅 作成日 2020-05-01
411
LumingSun/ML4DB-paper-list

人工知能(データベースのための機械学習)で駆動されるデータベースシステムの論文

LumingSun
⭐ 793 Python 👤 LumingSun User 🕐 更新日時 2026-11-16 📅 作成日 2019-09-10
412
SUFE-AIFLM-Lab/Fin-R1

Fin-R1は、上海財経大学統計・データ科学学院のSUFE-AIFLM-LabとFinStep.AIの共同努力により開発され、オープンソース化された、複雑な金融推論のための大規模言語モデルです。

SUFE-AIFLM-Lab
⭐ 789 👤 SUFE-AIFLM-Lab User 🕐 更新日時 2025-03-27 📅 作成日 2025-03-11
⭐ 788 Python 👤 carlosferrazza User 🕐 更新日時 2025-09-18 📅 作成日 2024-03-18
414
Farama-Foundation/Miniworld

強化学習のためのシンプルで簡単に設定可能な3D FPSゲーム風環境

Farama-Foundation
⭐ 783 Python 👤 Farama-Foundation Organization 🕐 更新日時 2026-03-02 📅 作成日 2018-08-28
415
ntnu-arl/aerial_gym_simulator

Aerial Gym Simulator - 空中ロボット用 Isaac Gym Simulator

ntnu-arl
⭐ 781 Python 👤 ntnu-arl Organization 🕐 更新日時 2026-06-28 📅 作成日 2023-04-04
416
GalaxyGeneralRobotics/OpenTrack

Any2Trackの公式実装。

GalaxyGeneralRobotics
⭐ 775 C++ 👤 GalaxyGeneralRobotics Organization 🕐 更新日時 2026-06-04 📅 作成日 2025-09-19
417
JuliaPOMDP/POMDPs.jl

Julia における MDPs と POMDPs - 離散および連続空間上の完全および部分観測可能マルコフ決定過程を定義、解決、シミュレーションするためのインターフェース。

JuliaPOMDP
⭐ 771 Julia 👤 JuliaPOMDP Organization 🕐 更新日時 2026-11-15 📅 作成日 2015-06-23
418
ModalMinds/MM-EUREKA

MM-EUREKA:ルールベース強化学習によるマルチモーダル推論のフロンティアを探る

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 更新日時 2025-09-07 📅 作成日 2025-03-07
419
RUCAIBox/Slow_Thinking_with_LLMs

LLMによるスローシンキングに関する一連の技術レポート

RUCAIBox
⭐ 768 Python 👤 RUCAIBox Organization 🕐 更新日時 2025-08-13 📅 作成日 2024-12-12
420
facebookresearch/metamotivo

広範な全身タスクに対応する仮想物理ベースのヒューマノイドエージェントを制御するための最初の行動基盤モデル。

facebookresearch
⭐ 765 Python 👤 facebookresearch Organization 🕐 更新日時 2025-06-10 📅 作成日 2024-12-06
421
lafmdp/Awesome-Papers-Autonomous-Agent

自律エージェント構築に関する最近の論文集。RLベース/LLMベースのエージェントの2つのトピックが含まれています。

lafmdp
⭐ 758 👤 lafmdp User 🕐 更新日時 2026-04-23 📅 作成日 2023-10-18
422
infer-actively/pymdp

マルコフ決定過程のためのアクティブ・インファレンスのPython実装

infer-actively
⭐ 757 Python 👤 infer-actively Organization 🕐 更新日時 2026-11-16 📅 作成日 2019-11-27
423
cobanov/awesome-fly

ショウジョウバエのコネクトーム関連プロジェクトを厳選したリスト:MaleCNS、FlyWire、脳シミュレーション、身体性モデル、ゲーム、研究ツール。

cobanov
⭐ 756 👤 cobanov User 🕐 更新日時 2026-11-14 📅 作成日 2026-09-12
424
stepjam/PyRep

ロボット学習研究のためのツールキット。

stepjam
⭐ 755 Python 👤 stepjam User 🕐 更新日時 2024-08-16 📅 作成日 2019-06-26
425
X-GenGroup/Flow-Factory

Flow Matchingモデルを簡単にファインチューニングするための統一フレームワーク

X-GenGroup
⭐ 754 Python 👤 X-GenGroup Organization 🕐 更新日時 2026-11-13 📅 作成日 2025-12-18
426
google-deepmind/disco_rl

Nature掲載論文「Discovering State-of-the-art Reinforcement Algorithms」の付随コード

google-deepmind
⭐ 753 Python 👤 google-deepmind Organization 🕐 更新日時 2025-12-02 📅 作成日 2025-07-24
427
NVlabs/HOVER

ホバー

NVlabs
⭐ 753 Python 👤 NVlabs Organization 🕐 更新日時 2025-07-30 📅 作成日 2024-12-19
428
InternRobotics/HIMLoco

OpenRobotLabの学習ベースの移動制御(ハイブリッド内部モデルおよびHインフィニティ移動制御を含む)

InternRobotics
⭐ 753 Python 👤 InternRobotics Organization 🕐 更新日時 2024-05-14 📅 作成日 2023-12-14
429
trackmania-rl/tmrl

リアルタイムアプリケーションのための強化学習

trackmania-rl
⭐ 751 Python 👤 trackmania-rl Organization 🕐 更新日時 2026-10-24 📅 作成日 2020-07-08
430
Linesight-RL/linesight

AIが強化学習でTrackmaniaをプレイ

Linesight-RL
⭐ 746 Python 👤 Linesight-RL Organization 🕐 更新日時 2026-09-30 📅 作成日 2023-06-09
431
Stable-Baselines-Team/stable-baselines3-contrib

Stable-Baselines3 用 Contrib パッケージ - 実験的な強化学習 (RL) コード

Stable-Baselines-Team
⭐ 745 Python 👤 Stable-Baselines-Team Organization 🕐 更新日時 2026-10-26 📅 作成日 2020-09-20
432
SkyworkAI/Skywork-OR1

数学およびコード推論のための強化学習の力の解放

SkyworkAI
⭐ 744 Python 👤 SkyworkAI Organization 🕐 更新日時 2025-06-06 📅 作成日 2025-04-11
433
henbudidiao/UAV-path-planning

深層強化学習に基づく複数/単一UAV(無人航空機)経路計画

henbudidiao
⭐ 740 Python 👤 henbudidiao User 🕐 更新日時 2025-08-27 📅 作成日 2024-01-13
434
zli12321/Vision-Language-Models-Overview

視覚-言語モデル論文の最前線コレクションとサーベイ、そしてモデルのGitHubリポジトリ。継続的に更新。

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 更新日時 2026-10-13 📅 作成日 2024-11-27
435
fangvv/UAV-DDPG

論文「ドローン支援型モバイルエッジコンピューティングのための計算オフロード最適化:深層決定方策勾配法アプローチ」のコード

fangvv
⭐ 731 Python 👤 fangvv User 🕐 更新日時 2026-10-08 📅 作成日 2021-05-02
436
opendilab/awesome-exploration-rl

素晴らしい探検RLリソースの厳選リスト(継続的に更新)

opendilab
⭐ 730 👤 opendilab Organization 🕐 更新日時 2026-05-21 📅 作成日 2022-08-06
437
NVlabs/Long-RL

Long-RL: RLを長いシーケンスに拡張する(NeurIPS 2025)

NVlabs
⭐ 729 Python 👤 NVlabs Organization 🕐 更新日時 2025-09-24 📅 作成日 2025-07-08
438
kvablack/ddpo-pytorch

PyTorch で実装された、LoRA サポート付き拡散モデルのファインチューニング用 DDPO

kvablack
⭐ 723 Python 👤 kvablack User 🕐 更新日時 2024-03-22 📅 作成日 2023-06-24
439
qgallouedec/panda-gym

PyBullet物理エンジンとgymnasiumに基づいたロボット環境のセット。

qgallouedec
⭐ 723 Python 👤 qgallouedec User 🕐 更新日時 2024-07-23 📅 作成日 2020-09-13
440
RUCAIBox/R1-Searcher

R1-Searcher:強化学習によるLLMの検索能力へのインセンティブ付与

RUCAIBox
⭐ 722 Python 👤 RUCAIBox Organization 🕐 更新日時 2025-08-05 📅 作成日 2025-02-26
441
dickreuter/neuron_poker

テキサスホールデム OpenAI Gym ポーカー環境で、keras-rl ベースの強化学習。仮想レンダリングとモンテカルロによるエクイティ計算を含みます。

dickreuter
⭐ 721 Python 👤 dickreuter User 🕐 更新日時 2025-08-04 📅 作成日 2019-06-26
442
pat-jj/DeepRetrieval

[COLM’25] DeepRetrieval — 🔥 検索結果を用いたRLVRによる検索エージェントのトレーニング

pat-jj
⭐ 720 Python 👤 pat-jj User 🕐 更新日時 2025-10-12 📅 作成日 2025-02-20
443
luweiagi/machine-learning-notes

これは機械学習学習の道のりのノートです。何か役立つものが見つかるかもしれません。

luweiagi
⭐ 719 👤 luweiagi User 🕐 更新日時 2026-10-14 📅 作成日 2020-05-23
444
FilippoAiraldi/mpc-reinforcement-learning

モデル予測制御による強化学習

FilippoAiraldi
⭐ 718 Python 👤 FilippoAiraldi User 🕐 更新日時 2026-11-16 📅 作成日 2022-11-28
445
CleanDiffuserTeam/CleanDiffuser

CleanDiffuser: 意思決定における拡散モデルのための使いやすいモジュール化されたライブラリ

CleanDiffuserTeam
⭐ 717 Jupyter Notebook 👤 CleanDiffuserTeam Organization 🕐 更新日時 2025-04-20 📅 作成日 2024-06-05
446
benedekrozemberczki/awesome-monte-carlo-tree-search-papers

実装付きのモンテカルロ木探索論文のキュレーションされたリスト。

benedekrozemberczki
⭐ 717 Python 👤 benedekrozemberczki User 🕐 更新日時 2026-01-13 📅 作成日 2019-11-22
447
RealXiaoze/humanoid-motion-intelligence

ヒューマノイドロボットの運動知能に関する論文、オープンソースプロジェクト、産業情報、就職活動のナレッジベース

RealXiaoze
⭐ 716 👤 RealXiaoze User 🕐 更新日時 2026-11-19 📅 作成日 2026-07-19
449
meta-pytorch/torchforge

PyTorch ネイティブな大規模ポストトレーニング

meta-pytorch
⭐ 706 Python 👤 meta-pytorch Organization 🕐 更新日時 2026-09-09 📅 作成日 2025-06-24
450
THUDM/ReST-MCTS

ReST-MCTS*: プロセス報酬誘導型ツリー検索によるLLM自己トレーニング(NeurIPS 2024)

THUDM
⭐ 706 Python 👤 THUDM Organization 🕐 更新日時 2025-01-20 📅 作成日 2024-06-06