强化学习开源环境集

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！