MiniGrid（以前称为gym-minigrid）

这里还有其他的网格世界Gym环境，但这个设计得尤其简单、轻量级和快速。代码依赖项很少，因此不太可能出错或安装失败。它不加载外部精灵/纹理，并且在Core i7笔记本电脑上可以运行高达5000 FPS，这意味着您可以更快地运行实验。可以在这个仓库中找到一个已知的RL实现：此处。

需求

• Python 3.7到3.10
• OpenAI Gym v0.26
• NumPy 1.18+
• Matplotlib（可选，仅用于显示）- 3.0+

如果您想在出版物中引用此仓库，请使用此bibtex

@misc{gym_minigrid,
  author = {Chevalier-Boisvert, Maxime and Willems, Lucas and Pal, Suman},
  title = {Minimalistic Gridworld Environment for OpenAI Gym},
  year = {2018},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/maximecb/gym-minigrid}},
}

使用MiniGrid或BabyAI的出版物及投稿列表（请提交pull request添加缺失条目）

• 强化学习中通过语言模型进行历史压缩。 (林茨约翰内斯·开普勒大学，PMLR 2022)
• 通过技能多样性利用近似符号模型进行强化学习。 (亚利桑那州立大学，ICML 2022)
• 使用随机不确定性估计避免噪声电视，保持好奇心。 (伦敦大学学院，波士顿大学，ICML 2022)
• 简而言之，人类要求的就是这个：遵循时间规格的潜在目标。 (伦敦帝国理工学院，ICLR 2022)
• 有趣的对象，好奇的代理：学习任务无关的探索。 (Meta AI Research，NeurIPS 2021)
• 使用局部广义线性函数近似进行安全策略优化。 (IBM Research，清华大学，NeurIPS 2021)
• 基于模型的强化学习的意识启发规划代理。 (Mila，麦吉尔大学，NeurIPS 2021)
• SPOTTER：通过针对性强化学习扩展符号规划操作。 (塔夫茨大学，SIFT，AAMAS 2021)
• Grid-to-Graph：强化学习的灵活空间关系归纳偏差。 (UCL，AAMAS 2021)
• 排名场景：在程序生成环境中进行探索的简单方法。 (德克萨斯A&M大学，Kuai Inc.，ICLR 2021)
• 对抗性引导的演员-评论家。 (INRIA，Google Brain，ICLR 2021)
• 元强化学习的信息论任务选择。 (利兹大学，NeurIPS 2020)
• BeBold：超越探索区域边界进行探索。 (加州大学伯克利分校，2020年12月)
• 部分观察系统中的近似信息状态，用于近似规划和强化学习。 (麦吉尔大学，2020年10月)
• 优先级等级回放。 (FAIR，2020年10月)
• AllenAct：一个用于具身AI研究的框架。 (艾伦人工智能研究所，2020年8月)
• 使用AMIGO学习：对抗性动机的内生目标。 (麻省理工学院，FAIR，ICLR 2021)
• RIDE：程序生成环境中的奖励驱动影响探索。 (FAIR，ICLR 2020)
• 在涌现通信中学习请求指导。 (阿姆斯特丹大学，2019年12月)
• 工作记忆图。 (微软研究，2019年11月)
• 在强化学习中，使用自然语言标签的任务进行快速任务适应。 (安特卫普大学，2019年10月)
• 使用选择性噪声注入和信息瓶颈进行强化学习中的泛化。 (微软研究，NeurIPS，2019年10月)
• 循环独立机制。 (Mila，2019年9月)
• 使用多任务分层强化学习学习有效子目标。 (清华大学，2019年8月)
• 掌握涌现语言：在模拟导航中学习引导。 (阿姆斯特丹大学，2019年8月)
• 通过建模策略分布进行迁移学习。 (Mila，2019年6月)
• 具有信息约束原语竞争集的强化学习。 (Mila，2019年6月)
• 仅使用局部和立即信用分配学习远距离因果关系。 (孵化器491，2019年5月)
• 实际开环乐观规划 (INRIA，2019年4月)
• 通过学习世界图加速分层强化学习 (Salesforce Research，2019年)
• 强化学习中的变分状态编码作为内在动机 (Mila，TARL 2019)
• 通过内在控制无监督地发现决策状态 (乔治亚理工学院，TARL 2019)
• 在基于模型的强化学习中模拟长期未来 (Mila，ICLR 2019)
• 通过社会选择理论统一Q学习的集成方法 (马克斯·普朗克研究所，2019年2月)
• 使用学习上下文超越感知范围进行规划 (MLMP@IROS，2018)
• 通过元学习使用语言指导策略 (加州大学伯克利分校，2018年11月)
• 关于目标驱动导航中探索的复杂性 (卡内基梅隆大学，NeurIPS 2018年11月)
• 通过信息瓶颈进行迁移和探索 (Mila，2018年11月)
• 为网格世界中的强化学习代理创建更安全的奖励函数 (哥德堡大学，2018)
• BabyAI：通过人类在回路中实现基于语言的初步学习 (Mila，ICLR，2018年10月)

此环境作为在Mila进行的工作的一部分构建。动态障碍物环境是在达姆斯塔特工业大学IAS和热那亚大学为具有动态障碍物的移动机器人导航而构建的。

安装

现在有一个定期更新的pip软件包可用。

pip3 install gym-minigrid

或者，要获取MiniGrid的最新版本，您可以克隆此存储库并使用pip3安装依赖项。

git clone https://github.com/maximecb/gym-minigrid.git
cd gym-minigrid
pip3 install -e .