Git Stars Git Stars

#reinforcement-learning 仓库

563
仓库总数
2.1M
总星标数
3,717
平均每个仓库星标数

共 564 个仓库

251
reiniscimurs/DRL-robot-navigation

用于ROS Gazebo模拟器中移动机器人导航的深度强化学习。使用Twin Delayed Deep Deterministic Policy Gradient (TD3)神经网络,机器人学习在模拟环境中导航到随机目标点,同时避开障碍物。

reiniscimurs
⭐ 1,380 Python 👤 reiniscimurs User 🕐 已更新 2025-12-13 📅 创建时间 2021-10-25
252
kengz/SLM-Lab

PyTorch 中的模块化深度强化学习框架。书籍《Foundations of Deep Reinforcement Learning》的配套库。

kengz
⭐ 1,366 Python 👤 kengz User 🕐 已更新 2026-10-29 📅 创建时间 2017-10-02
253
tanishqkumar/beyond-nanogpt

现代深度学习研究的关键思想的最小化和带注释的实现。

tanishqkumar
⭐ 1,361 Python 👤 tanishqkumar User 🕐 已更新 2026-01-29 📅 创建时间 2025-04-16
254
MoonshotAI/Kimi-Dev

用于软件工程任务的开源编码大语言模型

MoonshotAI
⭐ 1,357 Python 👤 MoonshotAI Organization 🕐 已更新 2025-09-30 📅 创建时间 2025-06-16
255
fancyboi999/ai-engineering-from-scratch-zh

Agent 工程师最全面的学习路径 · 从零精通 AI 工程 · 20 个阶段、542 节课程 · 中文完整翻译 + 配套网站 + 动画讲解视频 · 如何成为 AI Agent 工程师的修炼指南

fancyboi999
⭐ 1,353 Python 👤 fancyboi999 User 🕐 已更新 2026-11-21 📅 创建时间 2026-05-26
256
NVIDIA-NeMo/Gym

使用环境评估和改进模型和代理

NVIDIA-NeMo
⭐ 1,347 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-21 📅 创建时间 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 的 PyTorch 实现..

quantumiracle
⭐ 1,344 Jupyter Notebook 👤 quantumiracle User 🕐 已更新 2025-03-13 📅 创建时间 2019-04-19
260
keon/deep-q-learning

使用 Keras 实现的最小化深度 Q 学习 (DQN 和 DDQN)

keon
⭐ 1,333 Python 👤 keon User 🕐 已更新 2026-05-18 📅 创建时间 2017-02-06
262
NousResearch/atropos

Atropos 是一个用于通过多样化环境收集和评估 LLM 轨迹的语言模型强化学习环境框架。

NousResearch
⭐ 1,324 Python 👤 NousResearch Organization 🕐 已更新 2026-06-29 📅 创建时间 2025-04-29
264
wouterkool/attention-learn-to-route

基于注意力的模型,用于学习解决不同路由问题

wouterkool
⭐ 1,318 Jupyter Notebook 👤 wouterkool User 🕐 已更新 2024-08-04 📅 创建时间 2018-03-22
265
Alibaba-NLP/ZeroSearch

ZeroSearch: 在不搜索的情况下激励LLM的搜索能力

Alibaba-NLP
⭐ 1,305 Python 👤 Alibaba-NLP Organization 🕐 已更新 2025-08-16 📅 创建时间 2025-05-07
266
ICT-FinD-Lab/alphagen

通过强化学习生成公式化阿尔法(预测性)股票因子集。

ICT-FinD-Lab
⭐ 1,302 Python 👤 ICT-FinD-Lab Organization 🕐 已更新 2026-06-04 📅 创建时间 2022-07-05
268
oxwhirl/smac

SMAC:星际争霸多智能体挑战

oxwhirl
⭐ 1,300 Python 👤 oxwhirl Organization 🕐 已更新 2024-02-18 📅 创建时间 2019-01-08
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 已更新 2025-11-20 📅 创建时间 2025-03-15
270
ahundt/awesome-robotics

一个精选的适用于机器人的优秀链接和软件库列表。

ahundt
⭐ 1,293 👤 ahundt User 🕐 已更新 2024-01-10 📅 创建时间 2017-05-12
271
metadriverse/metadrive

MetaDrive:人人皆宜的轻量级驾驶模拟器

metadriverse
⭐ 1,284 Python 👤 metadriverse Organization 🕐 已更新 2026-10-16 📅 创建时间 2021-08-28
272
Rishabh-creator601/Books

编程不同领域的书籍 / PDF / EPUB。阅读、成长、享受 😊😊😊😊

Rishabh-creator601
⭐ 1,281 👤 Rishabh-creator601 User 🕐 已更新 2026-11-20 📅 创建时间 2025-06-15
273
patrick-llgc/Learning-Deep-Learning

深度学习与机器学习的论文阅读笔记

patrick-llgc
⭐ 1,280 Jupyter Notebook 👤 patrick-llgc User 🕐 已更新 2026-10-27 📅 创建时间 2017-04-02
274
ucla-rlcourse/RLexample

一些玩转 RL 的基本示例

ucla-rlcourse
⭐ 1,275 Jupyter Notebook 👤 ucla-rlcourse Organization 🕐 已更新 2026-02-18 📅 创建时间 2019-01-09
275
uzh-rpg/flightmare

一个开放的灵活四旋翼飞行器模拟器

uzh-rpg
⭐ 1,265 C++ 👤 uzh-rpg Organization 🕐 已更新 2024-06-14 📅 创建时间 2020-07-14
276
google-deepmind/android_env

在 Android 设备上进行机器学习研究。

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

DeepRacer 研讨会内容。此指南演示了软件开发人员如何使用 Amazon SageMaker Notebook 实例直接训练和评估 AWS DeepRacer 模型,并具有完全控制权

aws-solutions-library-samples
⭐ 1,251 Jupyter Notebook 👤 aws-solutions-library-samples Organization 🕐 已更新 2024-10-21 📅 创建时间 2018-11-23
278
alexfrom0815/Online-3D-BPP-PCT

“Learning Efficient Online 3D Bin Packing on Packing Configuration Trees” 的代码实现。我们提出通过在分层打包配置树上进行学习来增强在线三维装箱问题(BPP)的实际适用性,这使得深度强化学习(DRL)模型易于处理实际约束,并且即使在连续解空间中也能表现良好。

alexfrom0815
⭐ 1,247 Python 👤 alexfrom0815 User 🕐 已更新 2026-01-21 📅 创建时间 2022-02-02
279
Improbable-AI/walk-these-ways

用于Unitree Go1机器人的仿真到真实强化学习训练和部署工具。

Improbable-AI
⭐ 1,246 Python 👤 Improbable-AI Organization 🕐 已更新 2024-06-16 📅 创建时间 2022-11-15
280
jiangranlv/embodied-ai-start

[PKU EPIC Lab] 面向小白的具身智能入门指南

jiangranlv
⭐ 1,242 👤 jiangranlv User 🕐 已更新 2025-12-03 📅 创建时间 2025-10-07
281
hanruihua/ir-sim

一款基于 Python 的轻量级机器人仿真器,旨在用于导航、控制和学习。

hanruihua
⭐ 1,242 Python 👤 hanruihua User 🕐 已更新 2026-11-21 📅 创建时间 2022-05-30
282
rohanpsingh/LearningHumanoidWalking

使用强化学习训练人形机器人进行运动

rohanpsingh
⭐ 1,234 Python 👤 rohanpsingh User 🕐 已更新 2026-05-03 📅 创建时间 2022-07-13
283
jannerm/diffuser

论文“Planning with Diffusion for Flexible Behavior Synthesis”的代码

jannerm
⭐ 1,223 Python 👤 jannerm User 🕐 已更新 2024-07-18 📅 创建时间 2022-05-03
284
srush/awesome-o1

关于o1的文献和论文调查

srush
⭐ 1,213 TeX 👤 srush User 🕐 已更新 2026-07-07 📅 创建时间 2024-10-16
285
yfzhang114/Awesome-Multimodal-Large-Language-Models

关于多模态大语言模型、大语言模型和扩散模型的阅读笔记

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 已更新 2026-11-07 📅 创建时间 2024-03-30
286
Farama-Foundation/MO-Gymnasium

用于强化学习的多目标 Gymnasium 环境

Farama-Foundation
⭐ 1,207 Python 👤 Farama-Foundation Organization 🕐 已更新 2026-11-11 📅 创建时间 2022-04-11
287
ElectricAlexis/NotaGen

NotaGen:利用大型语言模型训练范式推进符号音乐生成中的音乐性

ElectricAlexis
⭐ 1,202 Python 👤 ElectricAlexis User 🕐 已更新 2025-04-21 📅 创建时间 2024-06-01
288
upb-lea/reinforcement_learning_course_materials

帕德博恩大学主办的强化学习课程的讲义、包含解决方案的教程任务以及在线视频

upb-lea
⭐ 1,200 Jupyter Notebook 👤 upb-lea Organization 🕐 已更新 2026-01-05 📅 创建时间 2020-07-20
289
openai/procgen

Procgen 基准:程序生成类似游戏的 Gym 环境

openai
⭐ 1,197 C++ 👤 openai Organization 🕐 已更新 2026-03-27 📅 创建时间 2019-11-22
290
bytedance/Fastbot_Android

Fastbot(2.0)是用于建模GUI转换以发现App稳定性问题的基于模型的测试工具

bytedance
⭐ 1,189 C++ 👤 bytedance Organization 🕐 已更新 2025-06-20 📅 创建时间 2020-12-04
291
simpler-env/SimplerEnv

在通用配置(例如 Google Robot、WidowX+Bridge)下的仿真环境中评估和复现真实世界机器人操作策略(例如 RT-1、RT-1-X、Octo)(CoRL 2024)

simpler-env
⭐ 1,187 Jupyter Notebook 👤 simpler-env Organization 🕐 已更新 2026-09-30 📅 创建时间 2024-03-23
292
Tencent-Hunyuan/MixGRPO

[ECCV 2026] MixGRPO:利用混合ODE-SDE解锁基于流的GRPO效率

Tencent-Hunyuan
⭐ 1,185 Python 👤 Tencent-Hunyuan Organization 🕐 已更新 2026-07-01 📅 创建时间 2025-07-29
293
ericyangyu/PPO-for-Beginners

一个简单且样式优美的PPO实现。基于我的Medium系列:https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

ericyangyu
⭐ 1,184 Python 👤 ericyangyu User 🕐 已更新 2024-10-01 📅 创建时间 2020-09-04
294
RainBowLuoCS/Gamer

Gamer 官方实现:面向长时程实时游戏智能体的通用视觉-语言-动作基础模型

RainBowLuoCS
⭐ 1,179 👤 RainBowLuoCS User 🕐 已更新 2026-11-16 📅 创建时间 2026-10-30
295
flow-project/flow

交通控制中强化学习的计算框架

flow-project
⭐ 1,171 Python 👤 flow-project Organization 🕐 已更新 2024-07-27 📅 创建时间 2017-08-24
296
nnaisense/evotorch

直接构建在PyTorch之上的高级进化计算库,由NNAISENSE创建。

nnaisense
⭐ 1,152 Python 👤 nnaisense Organization 🕐 已更新 2026-11-16 📅 创建时间 2022-08-08
298
NVlabs/DiffusionNFT

[ICLR 2026 Oral] DiffusionNFT: 使用正向过程的在线扩散强化

NVlabs
⭐ 1,134 Python 👤 NVlabs Organization 🕐 已更新 2026-02-10 📅 创建时间 2025-09-19
299
nv-tlabs/ASE

用于训练物理模拟角色的可重用控制器的对抗性技能嵌入。

nv-tlabs
⭐ 1,129 Python 👤 nv-tlabs Organization 🕐 已更新 2025-12-07 📅 创建时间 2022-04-25
300
huawei-noah/SMARTS

面向自动驾驶的可扩展多智能体强化学习训练学校

huawei-noah
⭐ 1,123 Python 👤 huawei-noah Organization 🕐 已更新 2025-01-31 📅 创建时间 2020-10-07