Farama-Foundation/HighwayEnv

O que é?

Recursos principais

• 01Dez famílias de cenários de direção, incluindo rodovias, mudanças de faixa, rotatórias, cruzamentos e estacionamento.
• 02Interface de reset e step compatível com Gymnasium.
• 03Configuração do número de faixas, do trânsito e das observações.
• 04Variantes com controle contínuo e múltiplos agentes para vários cenários.
• 05Renderização integrada dos episódios simulados.
• 06Instalação com pip ou uv.

Casos de uso

• Comparar algoritmos de reinforcement learning em tarefas de direção.
• Prototipar políticas de tomada de decisão para mudanças de faixa, conversões ou cruzamentos.
• Ensinar conceitos de direção autônoma com cenários simulados reproduzíveis.
• Testar métodos de planejamento, como busca em árvore de Monte Carlo ou iteração de valor, em problemas de trânsito.

Início rápido

1. 1

   Instale o HighwayEnv pelo PyPI

   pip install highway-env
2. 2

   Crie o ambiente de highway e execute um loop de ações aleatórias

Antes de usar

• !Oferece suporte principalmente a Linux e macOS; o suporte a Windows é feito conforme possível.

Em coleções

Tópicos

Perguntas frequentes

O que é HighwayEnv?

Uma coleção de ambientes de direção simulada compatíveis com Gymnasium para treinar e testar agentes de direção autônoma e tomada de decisão. HighwayEnv oferece um conjunto de cenários de trânsito simulados para pesquisas em direção autônoma e tomada de decisão tática. Cada ambiente — como direção em rodovias, mudanças de faixa, rotatórias, cruzamentos, estacionamento, pistas de corrida e retornos — expõe uma interface padrão de reset/step para que agentes de reinforcement learning possam interagir com ele pelo Gymnasium.

HighwayEnv é gratuito? Qual é a licença?

HighwayEnv é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.

HighwayEnv ainda é mantido?

Manutenção ativa. O último commit de HighwayEnv foi em 30 de out. de 2026.

Para que posso usar HighwayEnv?

Comparar algoritmos de reinforcement learning em tarefas de direção. Prototipar políticas de tomada de decisão para mudanças de faixa, conversões ou cruzamentos. Ensinar conceitos de direção autônoma com cenários simulados reproduzíveis. Testar métodos de planejamento, como busca em árvore de Monte Carlo ou iteração de valor, em problemas de trânsito.

Como instalar HighwayEnv?

Instale o HighwayEnv pelo PyPI: pip install highway-env Crie o ambiente de highway e execute um loop de ações aleatórias

Onde consigo HighwayEnv?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Farama-Foundation/HighwayEnv