轉(zhuǎn)自：https://www.cnblogs.com/devilmaycry812839668/p/10228987.html

本篇博客主要是講一下強化學習的一些常用平臺， 強化學習的發(fā)展已經(jīng)好多年了，以前都是大家做什么實驗然后都是自己編寫環(huán)境代碼，由于很多人的代碼都是不公開的所以其他人要繼續(xù)做前人的工作就需要自己重新構(gòu)建環(huán)境代碼，這樣做一方面做了很多重復工作，浪費了大量的時間，而且很沒有必要，另一方面每個人都重新編寫各自的環(huán)境代碼導致每個人的環(huán)境多少是有所不同的，在一個環(huán)境下運行不是的算法代碼往往在另一個環(huán)境平臺上可能就難以達到之前的表現(xiàn)，這種情況下使得大家的代碼不具備可復現(xiàn)性，而這本質(zhì)上違背了學科科研的要求。

具體平臺介紹如下：

1. Gym

gym 是 openAI 公司出品的強化學習常用環(huán)境平臺， 該平臺應該是強化學習被人所熟知最多的， 集成的環(huán)境非常多，同時也有多個第三方環(huán)境為期提供接口。

環(huán)境介紹頁面： http://gym.openai.com/envs/

文檔介紹頁面：

具體如何安裝 gym 前文已經(jīng)介紹，這里就不在多說。 前文地址：https://www.cnblogs.com/devilmaycry812839668/p/10226829.html

附注：

這里唯一要多說的是啥呢，就是Gym環(huán)境里面只提供了環(huán)境代碼，并沒有集成任何強化學習代碼，具體強化學習代碼需要自己按照其API接口來寫，其最大優(yōu)點就是接口比較好，眾多強化學習環(huán)境都為其提供接口。

2. baselines

第二個要說的強化學習的環(huán)境還是 openAI 公司提供的， baselines 。

openAI 的 baseline主頁

由上圖可以看出， baselines 在openAI公司的地位和Gym是并駕齊驅(qū)的。

baselines 項目地址：（github） https://github.com/openai/baselines

進入到 baselines項目的具體代碼中， 即baselines/baselines文件夾，如下：

可以看到 baselines 項目中提供的都是一些 性能表現(xiàn)非常好的代碼，這也正如其ReadMe中的介紹：

可以看出 baselines 項目就是為了給眾多的research人員提供一個方便、快捷的基準（baselines） 測試對比環(huán)境。

附注：

某種意義上來說 baselines 并不是強化學習的環(huán)境平臺， 而應該算是強化學習的基準算法庫，更像是一個函數(shù)庫，大家可以便捷的在其上面做實驗，又或者對其進行修改，或者在其之上提出新的算法 等。

3. pysc2 （StarCraft II Learning Environment）

第三個要說的平臺是比較特殊的他說暴雪公司（游戲公司）和 DeepMind 公司合作出品的， 專門用于訓練 星際爭霸 游戲的AI對戰(zhàn)的強化學習平臺。

DeepMind 的AlphaGo把圍棋搞定之后，業(yè)界開始目光投向即時策略游戲如 StarCraft II（星際爭霸 II ）。最近 DeepMind和Blizzard合作出了個StarCraft II的研究平臺，稱為 PySC2。

下面看下這個平臺的效果圖：

pysc2 項目的網(wǎng)址： https://github.com/deepmind/pysc2

安裝：

顯而易見的 我們安裝成功了， 其實 pysc2 平臺還是比較好安裝的，但是pysc2安裝好以后并沒有結(jié)束，我們剩下的工作是要安裝StarCraft II ，

因為 pysc2 其實是相當于Python環(huán)境對StarCraft II 調(diào)用的一個接口封裝， 如果要真正意義的運行起來我們還要安裝StarCraft II 游戲。

這里我們就不對 StarCraft II 游戲的具體安裝進行介紹， 未來我們會在以后的博客中對此再繼續(xù)介紹。

不得不說的是 pysc2 的官方網(wǎng)址，如下：

https://deepmind.com/blog/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment/

關(guān)于 pysc2 的具體內(nèi)容，能是agent在強化學習后取得什么樣的效果，多智能體的智能決策等，DeepMind寫一篇論文，如下：

http://deepmind.com/documents/110/sc2le.pdf

4. TORCS （The Open Racing Car Simulator)賽車游戲模擬器

TORCS (The Open Racing Car Simulator The Open Racing Car Simulator）是一個跨平臺的賽車游戲模擬器，也可作為強化學習的研究平臺 。

官方網(wǎng)站：

http://torcs.sourceforge.net/

gym_torcs 是一個TORCS的強化學習環(huán)境，提供類似前面 OpenAI Gym的接口。

gym_torcs 的官方網(wǎng)址為 ：

https://github.com/ugo-nama-kun/gym_torcs

效果圖：

5. RLLAB

rllab 也是一個研究強化學習算法的框架。官方網(wǎng)站為https://github.com/openai/rllab

官方支持 python 3.5+，基于 Theano 。

與OpenAI Gym 的區(qū)別在于 OpenAI Gym 支持更廣泛的 環(huán)境，且提供在線支持更廣泛的 環(huán)境，且提供在線scoreboard 可以用于共享訓練結(jié)果。 rllab 自己也提供一個基于pygame的可視環(huán)境， 同時它也可兼容OpenAI Gym 。

除此之外 ，它提供了一些強化學習算法的實現(xiàn), 這些參考實現(xiàn)和組件可以使得強化學習算法的開發(fā)更快上手 。

? 安裝 步驟可按照官方網(wǎng)站：

https://rllab.readthedocs.io/en/latest/user/installation.html

6.DeepMind Lab

DeepMind Lab （原 Labyrinth）是由 DeepMind發(fā)布的 3D 迷宮場景強化學習平臺。 之前是 DeepMind內(nèi)部使用的，后來開源了。

官方介紹：

https://deepmind.com/blog/open-sourcing-deepmind-lab/

論文地址：

https://arxiv.org/pdf/1612.03801.pdf

源碼位于：

https://github.com/deepmind/lab

7.MuJoCo

MuJoCo(Multi-Joint dynamics with Contact)是一個模擬的機器人，生物力學，圖形和動畫等領(lǐng)域的物理引擎。

官網(wǎng)：http://www.mujoco.org/index.html

OpenAI對MuJoCo引擎做了Python 3的binding-mujoco-py ，

源碼位于：https://github.com/openai/mujoco-py

=========================================================

還有其它常用的強化學習平臺，這里就不多介紹了，以下給出參考網(wǎng)址：

https://blog.csdn.net/weixin_41362649/article/details/84798175

總結(jié)

以上是生活随笔為你收集整理的强化学习常用平台（环境）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。