ir-sim
★ 1.1k
vs
on-policy
★ 2.0k
ir-sim vs on-policy
ir-sim：IR-SIM 是一个开源的、基于 Python 的机器人模拟器，专为导航、控制和强化学习设计。它提供了一个轻量级且用户友好的框架，内置碰撞检测功能，非常适合学术和教育领域的快速原型开发。；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
选 ir-sim 如果…模拟多机器人碰撞避免策略和群体行为。
选 on-policy 如果…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
ir-sim01模拟多样化的机器人运动学、传感器和行为。
02通过简单易用的YAML文件快速配置和定制场景。
03使用Matplotlib可视化模拟结果以进行即时调试。
04支持碰撞检测和可定制的每个对象行为策略。
05适用于多智能体/机器人强化学习项目。
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
ir-sim↳模拟多机器人碰撞避免策略和群体行为。
↳在各种环境中开发和测试机器人导航算法。
↳为机器人技术原型设计和评估深度强化学习模型。
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
05
适合场景
ir-sim时下流行
on-policy时下流行强化学习多智能体AI
FAQ
常见问题
ir-sim 和 on-policy 有什么区别？
ir-sim 和 on-policy 都属于 Vision / Multimodal 类别。ir-sim 有 1.1k Stars，on-policy 有 2.0k Stars。
ir-sim 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。模拟多机器人碰撞避免策略和群体行为。 时选 ir-sim，合作多智能体强化学习的研究与实验 时选 on-policy。
ir-sim 是免费的吗？
是的，ir-sim 在 GitHub 开源（MIT）。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
→