xixiha5230/Continuous-PPO

PPO

PPO-PyTorch

参考 感谢！

• conv1d、conv2d网络

• lstm、多线程

• PPO精简实现

• PPO实现

• ppo优化技巧

• RND 随机网络蒸馏

功能

1. 支持离散和连续动作
2. 多进程采集数据
3. 支持lstm
4. 支持复杂输入(图像 与 向量)
5. 支持rnd随机网络蒸馏(探索)
6. 多任务训练、任务预测、任务自主选择

注意事项

1. 所有环境返回的obs，都必须为list，即使只有一个观测信息

环境

python 3.8

torch                              1.12.1
torchaudio                         0.12.1
torchvision                        0.13.1
gym                                0.26.2
gymnasium                          0.27.1