强化学习开源环境集

人工智能与算法学习

共 2507字,需浏览 6分钟

 ·

2021-01-29 05:50

游戏环境

OpenAI Gym Retro

OpenAI 发布的增强的游戏强化学习研究平台,Gym Retro。其中包括对任天堂 Game boy,NES, 世嘉游戏等各种模拟器的支持。通过附带的 Integration UI 程序可以加载nes,md,snes等格式并抽取游戏的 reward 和 state。

https://github.com/openai/retro/

  • 经典魂斗罗
     

  • F1 赛车

 
  • 沙罗曼蛇

 


  • Sonic

 
  • Street Fighter

 

VizDoom

Doom,第一视角射击游戏 

https://github.com/mwydmuch/ViZDoom



Microsoft Minecraft

Minecraft 游戏环境

https://github.com/minerllabs/minerl



足球游戏

通过程序控制一支球队

 

https://github.com/google-research/football



星际争霸 1

星际争霸1的 python 编程接口。

 

https://torchcraft.github.io/TorchCraftAI/


星际争霸 2

星际争霸2的 python 编程接口。

https://github.com/deepmind/pysc2


rlcard

棋牌游戏集合,包括斗地主,德州扑克,麻将,UNO等。

 

https://github.com/datamllab/rlcard


赛车和自动驾驶环境

Torcs

The Open Racing Car Simulator,3D 赛车模拟游戏。

https://sourceforge.net/projects/torcs/



Microsoft AirSim

Microsoft AI & Research 发布的基于 Unreal/Unity引擎的自动驾驶模拟器环境。

https://github.com/Microsoft/AirSim



CARLA

另一个逼真的自动驾驶模拟器环境。

 

http://carla.org/



DeepGTAV

游戏GTAV的插件,将GTAV变成自动驾驶模拟器。

https://github.com/aitorzip/DeepGTAV



LGSVL

专业的自动驾驶模拟器,可以和Apollo,Autoware,ROS/ROS2集成。 

https://www.lgsvlsimulator.com/



DeepDrive

基于Linux,OpenGL,Tensorflow 1.x的自动驾驶环境。

https://github.com/deepdrive/deepdrive


物理引擎机器人环境

OpenAI Gym Mujoco

不用说了,顶会论文基准环境。

https://gym.openai.com/envs/#mujoco



OpenAI Gym Robotics

OpenAI 定义的一套手形机器人和任务。

https://gym.openai.com/envs/#robotics


gym-gazebo2

基于ROS2 和 Gazebo 的强化学习环境,达到现实工业机器人控制的水准。

https://github.com/AcutronicRobotics/gym-gazebo2



gym-ignition

另一个和Gazebo相关的工业机器人模拟环境。

https://github.com/robotology/gym-ignition



Nvidia ISAAC simulator

Nvidia发布的模拟工厂任务的物理环境。

https://developer.nvidia.com/Isaac-sdk



OpenAI RoboSchool

补充 MuJoCo的一些人形机器人连续控制任务。

https://openai.com/blog/roboschool/



RaiSim

一套多物体交互模拟环境。代码已经非开源。

https://raisim.com/



Stanford Osim-rl

控制人体肌肉的强化学习环境。

http://osim-rl.stanford.edu/


Full Body Muscle Simulator

另一个控制人体肌肉的强化学习环境。

https://github.com/lsw9021/MASS


Navigation

DeepMind Lab

游戏Quake III的强化学习环境。

https://github.com/deepmind/lab


gym-minigrid

一套 grid world 任务集,包括视野局限的迷宫寻路等。 

https://github.com/maximecb/gym-minigrid



gym-miniworld

第一视角的寻路任务。 

https://github.com/maximecb/gym-miniworld



MINOS

室内的第一视角巡视任务环境。

https://minosworld.github.io/


AI2-THOR

另一个室内第一视角巡视任务环境。

https://ai2thor.allenai.org/



Facebook Habitat

Facebook发布的室内第一视角巡视任务环境。

https://aihabitat.org/



Facebook House3D

Facebook发布的带有标注的室内第一视角巡视环境,任务包含通过NLP询问。

https://github.com/facebookresearch/house3d


Stanford Gibson

Facebook发布的室内第一视角巡视任务环境。

http://gibsonenv.stanford.edu/


本公众号MyEncyclopedia定期发布AI,算法,工程类深度和前沿文章。欢迎关注,收藏和点赞。本系列将从原理和代码来循序渐进讲解强化深度学习。


推荐阅读


强化学习怎么入门好?


强化学习时代已经来临!


浏览 75
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报