MTRL

多任务强化学习算法

内容

1. 简介

2. 设置

3. 使用方法

4. 文档

5. 为MTRL做出贡献

6. 社区

7. 致谢

简介

MTRL是一个多任务强化学习算法库。它有两个主要组件

• 构建模块和代理，它们实现了多任务强化学习算法。

• 实验设置，这使得在不同的设置上进行训练/评估成为可能。

这两个组件共同使用MTRL在不同环境和设置中。

使用MTRL的出版物和提交列表（请创建一个pull请求以添加缺失条目）

• 为隐藏参数块MDP学习鲁棒的州抽象
• 基于上下文表示的多任务强化学习

许可证

• MTRL使用MIT许可证。

• 使用条款

• 隐私政策

引用MTRL

如果您在研究中使用MTRL，请使用以下BibTeX条目

@Misc{Sodhani2021MTRL,
  author =       {Shagun Sodhani and Amy Zhang},
  title =        {MTRL - Multi Task RL Algorithms},
  howpublished = {Github},
  year =         {2021},
  url =          {https://github.com/facebookresearch/mtrl}
}

设置

• 克隆存储库： git clone git@github.com:facebookresearch/mtrl.git。

• 安装依赖项： pip install -r requirements/dev.txt

使用方法

• MTRL支持8种不同的多任务强化学习算法，如此处所述。

• MTRL使用MTEnv支持多任务环境。这些环境包括MetaWorld和DMControl Suite的多任务变体

• 参阅教程以开始使用MTRL。

文档

https://mtrl.readthedocs.io

为MTRL做出贡献

有几种方式可以为MTRL做出贡献。

1. 在您的研究中使用MTRL。

2. 贡献一个新的算法。我们目前支持 8种多任务强化学习算法，并期待添加更多环境。

3. 查看GitHub上的良好的入门问题并贡献修复这些问题。

4. 有关更多信息，请参阅此处。

社区

在聊天或GitHub问题中提问

• 聊天
• 问题

致谢

• 我们实现的SAC受到Denis Yarats实现的SAC的启发。
• 项目文件预提交，mypy配置，towncrier配置，circleci等均基于Hydra的相同文件。