Biblioteca de Python con una API estándar y entornos de referencia para investigar el aprendizaje por refuerzo multiagente, similar a Gymnasium.
3,6 mil+9 esta semana555PythonMITBien mantenidoActualizado hace 8 días
AVSLab/bsk_rl
Paquete de Python para crear entornos de aprendizaje por refuerzo en Gymnasium destinados a la planificación de tareas de naves espaciales, basado en el simulador Basilisk.
- Estrellas
- 125
- Forks
- 20
- Issues abiertos
- 30
- Último commit
- hace 3 días
¿Qué es?
BSK-RL es un paquete de Python para crear entornos de Gymnasium destinados a problemas de asignación de tareas a naves espaciales, como planificar y programar las observaciones que debe recopilar un satélite. Se basa en Basilisk, un framework modular de simulación de naves espaciales, por lo que los entornos ofrecen dinámicas de alta fidelidad con un costo computacional razonable.
El paquete está orientado a la investigación sobre autonomía de naves espaciales: los investigadores definen problemas de asignación de tareas como entornos estándar de Gymnasium y entrenan o evalúan agentes con ellos. La instalación, los ejemplos y la documentación de la API están disponibles en el sitio web del proyecto.
El proyecto está desarrollado por el Autonomous Vehicle Systems (AVS) Lab de la University of Colorado Boulder.
Funciones clave
- 01Crea entornos compatibles con Gymnasium para problemas de asignación de tareas a naves espaciales.
- 02Se ejecuta sobre el framework de simulación de naves espaciales Basilisk para ofrecer dinámicas de alta fidelidad.
- 03Se centra en la planificación y programación de tareas de satélites, incluida la observación de la Tierra.
- 04Admite flujos de trabajo de aprendizaje por refuerzo para la investigación sobre autonomía de naves espaciales.
Casos de uso
- Entrenar agentes de aprendizaje por refuerzo para programar observaciones satelitales.
- Comparar algoritmos autónomos de asignación de tareas en una simulación orbital realista.
- Estudiar la toma de decisiones a bordo de constelaciones de observación de la Tierra.
Inicio rápido
- 1
Abre el sitio web de BSK-RL y sigue las instrucciones de instalación
Antes de usarlo
- El paquete se basa en el simulador Basilisk, por lo que también debes configurar Basilisk.
En colecciones
Temas
#reinforcement-learning#spacecraft#satellite-tasking#simulation#gymnasium#earth-observation#autonomy
Preguntas frecuentes
- ¿Qué es bsk_rl?
- Paquete de Python para crear entornos de aprendizaje por refuerzo en Gymnasium destinados a la planificación de tareas de naves espaciales, basado en el simulador Basilisk. BSK-RL es un paquete de Python para crear entornos de Gymnasium destinados a problemas de asignación de tareas a naves espaciales, como planificar y programar las observaciones que debe recopilar un satélite. Se basa en Basilisk, un framework modular de simulación de naves espaciales, por lo que los entornos ofrecen dinámicas de alta fidelidad con un costo computacional razonable.
- ¿bsk_rl es gratuito? ¿Qué licencia tiene?
- bsk_rl es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿bsk_rl sigue mantenido?
- Mantenimiento activo. El último commit de bsk_rl fue el 4 nov 2026.
- ¿Para qué puedo usar bsk_rl?
- Entrenar agentes de aprendizaje por refuerzo para programar observaciones satelitales. Comparar algoritmos autónomos de asignación de tareas en una simulación orbital realista. Estudiar la toma de decisiones a bordo de constelaciones de observación de la Tierra.
- ¿Cómo se instala bsk_rl?
- Abre el sitio web de BSK-RL y sigue las instrucciones de instalación
- ¿Dónde consigo bsk_rl?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/AVSLab/bsk_rl
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Colección de entornos de conducción simulados compatibles con Gymnasium para entrenar y probar agentes de conducción autónoma y toma de decisiones.
3,3 mil905PythonMITBien mantenidoActualizado hace 8 días
Entornos de Gymnasium basados en PyBullet para entrenar controladores de aprendizaje por refuerzo para cuadricópteros, con uno o varios agentes.
2,2 mil+9 esta semana578PythonMITBien mantenidoActualizado ayer
Colección de entornos de robótica para aprendizaje por refuerzo basados en MuJoCo y construidos sobre la API de Gymnasium.
2 mil+5 esta semana161PythonMITBien mantenidoActualizado hace 24 días
Simulador de conducción ligero en Python para aprendizaje por refuerzo e investigación sobre conducción autónoma, con simulación de sensores y entornos al estilo Gymnasium.
1,3 mil+3 esta semana210PythonApache-2.0Actualizado hace 22 días
Framework en Python y C para simular la dinámica, la guiñanza, la navegación y el control de naves espaciales en misiones de astrodinámica.
418+3 esta semana146CISCBien mantenidoActualizado hace 20 horas