Repolode
제출하기
Denys88

Denys88/rl_games

수천 개의 환경을 병렬로 실행하는 GPU 벡터화 시뮬레이터를 위한 PyTorch 강화학습 라이브러리(PPO 및 SAC)입니다.

GitHub에서 보기
스타
1,410
포크
223
열린 이슈
52
마지막 커밋
4일 전

어떤 프로젝트인가요?

rl_games는 PyTorch로 PPO와 SAC를 구현한 강화학습 프레임워크입니다. 단일 프로세스에서 수천 개의 환경을 동시에 구동하는 GPU 벡터화 시뮬레이터에서의 학습에 중점을 둡니다. Isaac Lab, MJLab, EnvPool, MyoSuite를 위한 학습 파이프라인과 MuJoCo, Atari 같은 Gym 스타일 환경을 지원합니다.

이 라이브러리는 로봇 학습에 흔히 필요한 기능을 제공합니다. 별도의 중앙 가치 critic을 둔 비대칭 actor-critic, RNN 정책, DistributedDataParallel을 사용한 멀티 GPU 학습, population-based training, self-play, 학습된 정책의 ONNX 내보내기 등이 포함됩니다. Triton이 설치되어 있으면 Triton 기반 GAE 커널을 사용하며, 실험 결과는 Weights and Biases에 기록할 수 있습니다.

학습은 알고리즘, 네트워크, runner 설정을 지정하는 YAML 파일로 구성하며, runner 스크립트 또는 멀티 GPU 실행을 위한 torchrun으로 시작합니다. 프로젝트에는 정책 학습에 이 라이브러리를 사용한 sim-to-real 로보틱스 논문도 여러 편 소개되어 있습니다.

핵심 기능

  • 01PyTorch 기반 PPO 및 SAC 구현
  • 02별도의 중앙 가치 critic을 둔 비대칭 actor-critic
  • 03torchrun 및 DistributedDataParallel을 통한 멀티 GPU 학습
  • 04population-based training 및 self-play 지원
  • 05학습된 정책의 ONNX 내보내기
  • 06YAML 기반 학습 설정 및 Weights & Biases 로깅

활용 사례

  • Isaac Lab 또는 MJLab에서 보행이나 정교한 조작 정책 학습
  • EnvPool을 사용해 처리량이 높은 MuJoCo 또는 Atari 실험 실행
  • 학습된 RL 정책을 ONNX로 내보내 배포
  • 여러 GPU에 걸쳐 RL 학습 확장

빠른 시작

  1. 1

    README에서 Google Colab으로 Mujoco 학습 예제를 엽니다

사용 전 알아둘 점

  • MJLab 학습 노트북에는 로컬 GPU가 필요하며, Colab 버전은 L4 또는 A100 GPU에서 사용하는 것을 권장합니다.
  • 2.0.0 릴리스는 아직 공개되지 않았으며 API가 gymnasium 전용으로 변경되어 Python 3.11 이상이 필요합니다.
  • 레거시 Isaac Gym 환경은 rl_games 1.6.5까지만 지원됩니다.

포함된 컬렉션

강화학습 프레임워크와 학습 환경로보틱스 & 구현형 AI 프로젝트

토픽

#reinforcement-learning#pytorch#gpu-simulation#robotics#ppo#sac#onnx#deep-learning

자주 묻는 질문

rl_games은(는) 무엇인가요?
수천 개의 환경을 병렬로 실행하는 GPU 벡터화 시뮬레이터를 위한 PyTorch 강화학습 라이브러리(PPO 및 SAC)입니다. rl_games는 PyTorch로 PPO와 SAC를 구현한 강화학습 프레임워크입니다. 단일 프로세스에서 수천 개의 환경을 동시에 구동하는 GPU 벡터화 시뮬레이터에서의 학습에 중점을 둡니다. Isaac Lab, MJLab, EnvPool, MyoSuite를 위한 학습 파이프라인과 MuJoCo, Atari 같은 Gym 스타일 환경을 지원합니다.
rl_games은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
rl_games은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
rl_games은(는) 아직 유지보수되고 있나요?
활발히 유지보수 중. rl_games의 마지막 커밋은 2026년 11월 2일입니다.
rl_games은(는) 어디에 사용할 수 있나요?
Isaac Lab 또는 MJLab에서 보행이나 정교한 조작 정책 학습 EnvPool을 사용해 처리량이 높은 MuJoCo 또는 Atari 실험 실행 학습된 RL 정책을 ONNX로 내보내 배포 여러 GPU에 걸쳐 RL 학습 확장
rl_games는 어떻게 설치하나요?
README에서 Google Colab으로 Mujoco 학습 예제를 엽니다
rl_games은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/Denys88/rl_games

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트