WebAssembly / AssemblyScript Atari 2600 Emulator 自从阅读，我就对2600着迷了，因为计算机没有足够的内存来支持视频RAM的想法简直就是疯了！ 该项目是与玩的借口，并进一步探索2600。 我正在通过实现指南中显示的功能来实现 。 其他参考资料 寻址模式-https: 6502参考- 另一个6502参考-https: 进步 第一场：从这里开始 第二节：电视显示基础知识 第三节：TIA和6502 第四节：TIA 第五节：内存架构 第6节和第7节：电视和我们的内核 第八讲：我们的第一个内核 第9节：6502和DASM –总结基础 第十节：高潮 专场11：色彩缤纷 专题12：初始化 专场13：Playfield基础知识 专场14：Playfield古怪 专场15：Playfield（续） 第十六节：让组装商

vcs-game-maker 这个在线工具是一个无代码环境，旨在允许人们在不了解编程的情况下也无需在计算机上安装任何东西的情况下为 Atari 2600 创建游戏。 它使用允许用户使用块来实现逻辑，然后在幕后生成源代码，然后使用编译以生成 Atari 2600 ROM，该 ROM 被模拟使用 。 这是一项正在进行的工作。 项目设置 npm install 为开发编译和热重载 npm run serve 为生产编译和缩小 npm run build Lints 和修复文件 npm run lint 自定义配置 请参阅。

stella：多平台Atari 2600仿真器

深度强化学习算法 该存储库将使用PyTorch实现经典的深度强化学习算法。 该存储库的目的是为人们提供清晰的代码，以供他们学习深度强化学习算法。 将来，将添加更多算法，并且还将保留现有代码。 当前实施 深度Q学习网络（DQN） 基本DQN 双Q网络 决斗网络架构 深度确定性策略梯度（DDPG） 优势演员评判（A2C） 信任区域策略梯度（TRPO） 近端政策优化（PPO） 使用克罗内克因素信任区域（ACKTR）的演员评论家 软演员评论（SAC） 更新信息 :triangular_flag: 2018年10月17日-在此更新中，大多数算法已得到改进，并添加了更多关于图的实验（DPPG除外）。 PPO现在支持atari游戏和mujoco-env 。 TRPO非常稳定，可以得到更好的结果！ :triangular_flag: 2019-07-15-在此更新中，不再需要为openai基准安装。 我在rl__utils模块中集成了有用的功能。 DDPG也重新实现，并支持更多结果。 自述文件已被修改。 代码结构也有微小的调整。 :triangular_flag: 201

对论文《Human-level control through deep reinforcement》的中文翻译的文档