miniworld 2.0.0

Miniworld（以前称为gym-miniworld）目前正在开发中，以符合Farama基金会（https://farama.org/project_standards）的标准，完成后将长期维护。

内容

• 简介
• 安装
• 用法
• 环境
• 设计和定制
• 故障排除

简介

MiniWorld 是一款用于强化学习和机器人研究的极简 3D 室内环境模拟器。它可以用于模拟具有房间、门、走廊和各种物体（例如办公室和家庭环境、迷宫）的环境。MiniWorld 可以看作是 VizDoom 或 DMLab 的简化替代品。它完全用 Python 编写，旨在方便学生修改或扩展。

功能

• 依赖项少，更不容易出错，易于安装
• 易于创建自己的关卡或修改现有的关卡
• 性能良好，帧率较高，支持多进程
• 轻量级，下载小，内存需求低
• 在 MIT 许可证下提供
• 附带各种免费 3D 模型和纹理
• 提供完全可观察的 俯视图
• 支持 领域随机化，用于模拟到现实的迁移
• 能够在墙上显示 字母数字字符串
• 能够生成与相机图像匹配的深度图（RGB-D）

局限性

• 图形基本，远远达不到逼真程度
• 物理效果非常基础，不足以满足机器人手臂或操作的需求

如果您想在出版物中引用此存储库，请使用此 bibtex

@misc{gym_miniworld,
  author = {Chevalier-Boisvert, Maxime},
  title = {MiniWorld: Minimalistic 3D Environment for RL & Robotics Research},
  year = {2018},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/maximecb/gym-miniworld}},
}

使用 MiniWorld 的出版物和提交列表（请打开拉取请求以添加缺失条目）

• Decoupling Exploration and Exploitation for Meta-Reinforcement Learning without Sacrifices（斯坦福大学，ICML 2021）
• Rank the Episodes: A Simple Approach for Exploration in Procedurally-Generated Environments（德克萨斯 A&M 大学，Kuai Inc.，ICLR 2021）
• DeepAveragers: Offline Reinforcement Learning by Solving Derived Non-Parametric MDPs（NeurIPS Offline RL Workshop，2020 年 10 月）
• Pre-trained Word Embeddings for Goal-conditional Transfer Learning in Reinforcement Learning（安特卫普大学，2020 年 7 月，ICML 2020 LaReL Workshop）
• Temporal Abstraction with Interest Functions（Mila，2020 年 2 月，AAAI 2020）
• Addressing Sample Complexity in Visual Tasks Using Hindsight Experience Replay and Hallucinatory GANs（Offworld Inc，乔治亚理工学院，加州大学伯克利分校，ICML 2019 Workshop RL4RealLife）
• Avoidance Learning Using Observational Reinforcement Learning（Mila，麦吉尔大学，2019 年 9 月）
• Visual Hindsight Experience Replay（乔治亚理工学院，加州大学伯克利分校，2019 年 1 月）

此模拟器是在 Mila（https://mila.quebec/）进行的工作中创建的。