rlcard
★ 3.6k
vs
on-policy
★ 2.1k
rlcard vs on-policy
rlcard：RLCard是一个用于扑克牌游戏中强化学习的工具包，它提供了多个纸牌环境以及易于使用的接口，用于实现各种强化学习和搜索算法。该工具包旨在连接强化学习与不完全信息博弈领域。；on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。
01
简评
rlcardLLM Infra · ★ 3.6k
开发和测试用于各种纸牌游戏的强化学习智能体。
on-policyLLM Infra · ★ 2.1k
合作多智能体强化学习的研究与实验
02
并排对比
03
功能特性
rlcard01提供多个纸牌游戏环境，用于研究和开发。
02提供易于使用的接口，用于实现各种强化学习和搜索算法。
03支持深度Q学习（DQN）、NFSP、CFR和深度蒙特卡洛（DMC）等流行算法。
04与PettingZoo集成，并提供PyTorch实现，用于训练算法。
05包含人类交互界面，以及用于可视化的GUI演示（RLCard-Showdown）。
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
04
使用场景
rlcard↳开发和测试用于各种纸牌游戏的强化学习智能体。
↳在不完全信息博弈环境中进行策略和算法研究。
↳比较不同强化学习和搜索算法的性能和有效性。
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
FAQ
常见问题
rlcard 和 on-policy 有什么区别？
rlcard 和 on-policy 都属于 LLM Infra 类别。rlcard 有 3.6k Stars，on-policy 有 2.1k Stars。
rlcard 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。开发和测试用于各种纸牌游戏的强化学习智能体。 时选 rlcard，合作多智能体强化学习的研究与实验 时选 on-policy。
rlcard 是免费的吗？
是的，rlcard 在 GitHub 开源（MIT）。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→