skrl
活跃·★ 1.1k·更新于 2026-05-11
★ 时下流行★ 必备神器
skrl是一个用Python实现的开源模块化强化学习库，支持PyTorch、JAX和NVIDIA Warp。它专注于模块化、可读性、简单性和透明的算法实现，同时支持Gym、Gymnasium和Isaac Lab等多种环境接口。
skrl 当前归类于 RAG / Knowledge Base，更适合那些希望围绕具体工作流而不是单一功能点来选型的团队。从当前资料来看，它尤其强调 模块化和可扩展设计、开发和测试新的强化学习算法 这类能力。同时它也具备一定社区热度，当前 GitHub Stars 为 1.1k。
#强化学习#Python#PyTorch#JAX#NVIDIA Warp
01
功能特性
01模块化和可扩展设计
02透明的算法实现
03多框架支持（PyTorch, JAX, NVIDIA Warp）
04兼容多种环境接口（Gym, Gymnasium, PettingZoo, ManiSkill）
05在NVIDIA Isaac Lab和MuJoCo Playground中进行基于范围的资源共享同时训练
02
为什么选择它
+模块化和可扩展设计
+开发和测试新的强化学习算法
+覆盖 9 个兼容环境或平台，更适合需要跨端部署的团队。
+最近一次更新时间为 2026-05-11，说明项目仍在持续维护。
03
权衡点
!同分类下还有 8 个相关工具可比较，最终选择更适合在同类对比后决定。
04
兼容性
PyTorch
原生支持
已通过文档验证
JAX
原生支持
已通过文档验证
NVIDIA Warp
原生支持
已通过文档验证
OpenAI Gym
支持
已通过文档验证
Farama Gymnasium
支持
已通过文档验证
Farama PettingZoo
支持
已通过文档验证
05
快速开始
1
$ pip install skrl
06
使用场景
↳开发和测试新的强化学习算法
↳在各种模拟环境中训练AI代理（例如，机器人控制、游戏AI）
↳利用多个后端框架进行强化学习研究
07
同类对比
≈skrl 属于 RAG / Knowledge Base 分类，适合与 mindsdb 等同类工具一起比较，而不是单独判断。
≈如果你的核心需求更接近“开发和测试新的强化学习算法”，那么这类场景会比泛用型工具对比更有参考价值。
≈skrl 的许可信息和社区热度都应该与同类项目一起看。
08
同类工具
相关搜索
评论
登录后发表评论
暂无评论，来发表第一条吧