火炬RL
RL方法的Pytorch实现
支持具有连续和离散动作空间的环境。
支持具有1d和3d观察空间的环境。
支持多进程环境
要求
一般要求
火炬1.7
健身房（0.10.9）
Mujoco（1.50.1）
列表（用于日志）
tensorboardX（日志文件输出）
张量板要求
Tensorflow：启动tensorboard或读取tf记录中的日志
安装
使用use environment.yml创建虚拟环境
conda create -f environment.yml
source activate py_off
手动安装所有要求
用法
在配置文件中指定算法的参数，并在参数中指定日志目录/种子/设备
python examples/ppo_continuous_vec.py --config config/ppo_halfcheetah.json --seed 0 --device 0 --id ppo_halfcheetah
结帐示例文件夹以获取详细信息
目前包含：
政策上的方法：
加强
A2C（演员评论家）
PPO（近端政策优化）
2021-11-23 11:43:20
170KB
1
机器人手臂的深度学习
实现强化学习算法之一（DDPG深度确定性Ploicy梯度），以控制机械臂。 该项目的目标是从安装在机器人上，以电机命令在一个端对端方式的照相机来映射特征。
推介会：
有关该项目的演示文稿，可以在这里找到：
二手工具和技术：
Python 2.7
TensorFlow 1.5.1
OpenCV
Vrep RemoteAPI
皮塞里亚尔
任务：
在工作空间中到达对象：
环境文件：
算法实现：
遵循黑线：
环境文件：
算法实现：
2021-11-22 22:14:39
3.9MB
1
RLContinuousActionSpace
在连续状态和动作空间中进行强化学习。 DDPG：深度确定性策略梯度和A3C：异步Actor-Critic代理
注意：环境是随机填充的查找表和模拟物理模型的常量的任意组合。
1°DDPG：
基于带有深度强化学习的持续控制： ： 和来自精彩博客。 这种方法结合了DDQN算法（体验重播和目标网络）的优势以及可输出连续动作的行为者批评结构。 该算法首先在健身房开放式平台的pendulum-v0游戏中进行了验证，然后应用于定制的Envonement EnvPlant.py，模拟了温度模型：
OU.py：探索是通过Ornstein-Uhlenbeck过程完成的，它具有便利的均值回复特性。
Models.py：演员，评论家和目标网络的神经网络
演员模型
批评模型
main.py：配置，训练，测试，显示，存储，加载
ReplayBuffer.py
2021-11-19 17:06:34
1.9MB
1
包括DP, MC, TD, TD-lambda, DQN, PG, AC, A3C, DDPG, Dyna_Q, Bandit, AlphaGoBangZero以及部分仿真游戏源码
2021-10-14 16:17:05
32.58MB
1
可读，可重用，可扩展
Machin是为pytorch设计的增强库。
支持的型号
任何事物，包括循环网络。
支持的算法
当前，Machin已实现以下算法，该列表仍在增长：
单代理算法：
多主体算法：
大规模并行算法：
增强功能：
支持的算法：
进化策略
基于模型的方法
特征
1.可读
与其他强化学习库（例如著名的 ， 和。 Machin尝试仅提供RL算法的简单明了的实现。
Machin中的所有算法均以最小的抽象设计，并具有非常详细的文档以及各种有用的教程。
2.可重复使用
Machin采用与pytorch类似的方法，将算法和数据结构封装在自己的类中。 用户无需设置一系列data collectors ， trainers ， runners ， samplers ...即可使用它们，只需导入即可。
模型上的唯一限制是它们的输入/输出格式，但是，这些限制很小，可以轻松地使算法适
2021-09-17 19:09:16
1.54MB
1
PyTorch-ActorCriticRL
PyTorch实现的连续动作actor-critic算法。 该算法使用DeepMind的深度确定性策略梯度方法更新演员和评论者网络，并使用过程在使用确定性策略的同时在连续动作空间中进行探索。
DDPG
是一种策略梯度算法，它使用随机行为策略进行探索（在这种情况下为Ornstein-Uhlenbeck）并输出确定性目标策略，该策略更易于学习。
政策估算（演员）
Actor网络由一个三层神经网络组成，该神经网络将状态输入，并输出应由Pi表示的动作（a ） 。
政策评估（严重）
批判网络由一个三层神经网络组成，该神经网络将状态（s）和相应的动作（a）输入，并输出由Q（s，a）表示的状态动作值函数。
演员优化
通过最小化损耗来优化策略：-和（-Q（s，a）） 。
批判性优化
通过最小化损耗来优化评论者：-L2 （r + gamma * Q（s1，
2021-09-09 16:40:34
6KB
1
Feedback DDPG with Fuzzy Reward for Robotic Assembly.pdf
2021-09-09 09:11:30
2.74MB
1