无人机飞行模拟器体育馆环境，用于强化学习研究。
项目描述
PyFlyt - 用于强化学习的无人机飞行模拟器
内置了Gymnasium和PettingZoo环境！
在此处查看文档！
这是一个用于在无人机上测试强化学习算法的库。此仓库仍在开发中。我们也在积极寻找用户和开发者，如果您符合这一条件，请不要犹豫，与我们取得联系！
安装
pip3 install wheel numpy
pip3 install pyflyt
numpy和wheel必须在安装pyflyt之前安装，以便pybullet使用numpy支持进行构建。
用法
用法类似于任何其他Gymnasium和PettingZoo环境
Gymnasium
import gymnasium
import PyFlyt.gym_envs # noqa
env = gymnasium.make("PyFlyt/QuadX-Hover-v2", render_mode="human")
obs = env.reset()
termination = False
truncation = False
while not termination or truncation:
observation, reward, termination, truncation, info = env.step(env.action_space.sample())
在此处查看gymnasium环境的官方文档这里。
PettingZoo
from PyFlyt.pz_envs import MAFixedwingDogfightEnv
env = MAFixedwingDogfightEnv(render_mode="human")
observations, infos = env.reset()
while env.agents:
# this is where you would insert your policy
actions = {agent: env.action_space(agent).sample() for agent in env.agents}
observations, rewards, terminations, truncations, infos = env.step(actions)
env.close()
在此处查看pettingzoo环境的官方文档这里。
引用
如果您在研究中使用了我们的工作并希望引用它，请使用以下bibtex条目
@article{tai2023pyflyt,
title={PyFlyt--UAV Simulation Environments for Reinforcement Learning Research},
author={Tai, Jun Jet and Wong, Jim and Innocente, Mauro and Horri, Nadjim and Brusey, James and Phang, Swee King},
journal={arXiv preprint arXiv:2304.01305},
year={2023}
}
展示
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
源分发
pyflyt-0.26.0.tar.gz (183.1 kB 查看哈希值)
构建分发
PyFlyt-0.26.0-py3-none-any.whl (214.4 kB 查看哈希值)
关闭
pyflyt-0.26.0.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 77ad9fb3ea8401df47157dada85ac8cb81a744bfca3d1cdb33f5ef20ebb2ba68 |
|
| MD5 | ac48c79d54d2d9aeac18b5a8712f7b38 |
|
| BLAKE2b-256 | e09d22df3b62c0f5e60e319f95daa67cdaa2e60cc322e2b764f83631963d741b |
关闭
PyFlyt-0.26.0-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | b736ff153e66cdcc608f573fe66f8c4a0a4c62e47e08603a9010c02aafbb764c |
|
| MD5 | 9935414c28d1ca7421eb1c49dd2a0974 |
|
| BLAKE2b-256 | cbc41e342773e56c18d628ab561c68b2c2164eeca217cb8a0e85d97fe0216426 |
