基于 PyTorch 的强化学习算法实现库,提供可靠、接口统一的基准版本。
Farama-Foundation/Gymnasium
用于单智能体强化学习的标准 Python API,并附带一组参考环境,是 OpenAI Gym 的维护分支。
- Star
- 12,704
- Fork
- 1,513
- 未关闭 Issue
- 117
- 最近提交
- 7天前
这是什么?
Gymnasium 是强化学习算法与训练环境之间的通用接口库。每个环境都提供 reset 和 step 方法,以及观测空间和动作空间定义,因此为一个环境编写的智能体代码,无需修改即可用于另一个环境。
库内置了 Classic Control、Box2D、Toy Text、MuJoCo 和 Atari 等系列的标准环境,通过 `gymnasium.make` 按 ID(如 "CartPole-v1")创建。各环境系列的依赖以可选扩展形式安装,例如 `pip install "gymnasium[atari]"`,因为部分物理引擎和模拟器依赖在某些系统上较难安装。环境 ID 带有版本后缀,当改动可能影响训练结果时版本号会递增。
Gymnasium 是 OpenAI Gym 的分支,在 OpenAI 移交维护后由 Farama Foundation 继续开发。遵循同一 API 的第三方环境也可以直接使用,多智能体场景可配合 PettingZoo 等相关库。
核心功能
- 01所有支持的环境共用统一的 reset/step 接口
- 02内置 Classic Control、Box2D、Toy Text、MuJoCo 和 Atari 等环境系列
- 03通过 `gymnasium.make` 和环境 ID 创建环境
- 04按需安装的可选依赖扩展,避免安装全部依赖
- 05带版本号的环境 ID,便于复现实验结果
适用场景
- 在标准任务上评测新的强化学习算法
- 用 CartPole、Toy Text 等简单环境进行强化学习教学
- 用小型离散环境调试智能体实现
- 将自定义或第三方环境接入已有的智能体代码
快速上手
- 1
使用 pip 安装基础库
pip install gymnasium - 2
为某一类环境(如 Atari)安装额外依赖
pip install "gymnasium[atari]" - 3
创建环境并运行 README 中的示例代码
使用前须知
- 许多环境类别需要额外依赖,部分在某些系统上较难安装。
标签
常见问题
- Gymnasium 是什么?
- 用于单智能体强化学习的标准 Python API,并附带一组参考环境,是 OpenAI Gym 的维护分支。 Gymnasium 是强化学习算法与训练环境之间的通用接口库。每个环境都提供 reset 和 step 方法,以及观测空间和动作空间定义,因此为一个环境编写的智能体代码,无需修改即可用于另一个环境。
- Gymnasium 可以免费使用吗?用的什么许可证?
- Gymnasium 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- Gymnasium 还在维护吗?
- 活跃维护中。Gymnasium 最近一次提交是在 2026年10月14日。
- Gymnasium 适合用来做什么?
- 在标准任务上评测新的强化学习算法 用 CartPole、Toy Text 等简单环境进行强化学习教学 用小型离散环境调试智能体实现 将自定义或第三方环境接入已有的智能体代码
- Gymnasium 怎么安装和运行?
- 使用 pip 安装基础库: pip install gymnasium 为某一类环境(如 Atari)安装额外依赖: pip install "gymnasium[atari]" 创建环境并运行 README 中的示例代码
- 在哪里获取 Gymnasium?
- 源代码和安装说明在 GitHub 上:https://github.com/Farama-Foundation/Gymnasium
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
微软开源的面向 AI 的量化投资平台,覆盖数据处理、模型训练、回测与订单执行。
Ray 是一个统一的框架,可将 Python 和 AI 应用从笔记本扩展到集群运行。
一个 Python 框架,用于构建、扩展和部署 AI/ML 工作流,从 notebook 原型到生产编排。
可自托管的云端平台,用于运行一组可相互调用协作的 AI 智能体。
一个可定制的大模型评测框架,覆盖 LLM、VLM 和 AIGC 模型的基准评测与推理性能压测。