Farama-Foundation/HighwayEnv
A collection of environments for autonomous driving and tactical decision-making tasks
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#5 Repository Của Tuần
🚗 HighwayEnv: Bộ môi trường RL cho lái xe tự hành
10 kịch bản lái xe đa dạng, tích hợp sẵn với Gymnasium để huấn luyện agent tự hành xe và ra quyết định.
HighwayEnv là một bộ sưu tập các môi trường mô phỏng lái xe tự hành và các nhiệm vụ ra quyết định chiến thuật, xây dựng trên chuẩn Gymnasium. Dự án do Edouard Leurent phát triển ban đầu và hiện được duy trì bởi Jin Huang, hỗ trợ huấn luyện các agent học tăng cường (DQN, DDPG, MCTS...) trong môi trường đường cao tốc, giao lộ, bãi đỗ xe và nhiều kịch bản khác.
✨ Điểm nổi bật
- 10 kịch bản lái xe: highway, intersection, exit, lane-keeping, merge, parking, racetrack, roundabout, two-way, u-turn
- Hỗ trợ Gymnasium: tích hợp chuẩn giao diện gym.make(), reset(), step() giống môi trường RL thông thường
- Đa dạng biến thể: hỗ trợ continuous-control, multi-agent, large, oval, connected-lane
- Cấu hình linh hoạt: tùy chỉnh số làn đường, config môi trường qua tham số config
- Render đồ họa: hỗ trợ render_mode="human" để quan sát mô phỏng trực tiếp
- Tài liệu đào tạo: hướng dẫn huấn luyện với Stable Baselines3, Google Colab notebooks
- Hỗ trợ Python 3.10+: chạy trên Linux và macOS
💡 Vì sao đáng chú ý
HighwayEnv khác biệt từ các môi trường lái xe khác bằng sự đa dạng của các kịch bản — từ lái xe trên cao tốc đến đỗ xe, quay vòng, rẽ trái — đáp ứng nhu cầu huấn luyện agent trong nhiều tình huống thực tế. Tích hợp sẵn với Gymnasium giúp người dùng dễ dàng kết hợp với các thư viện RL như Stable Baselines3 mà không cần viết lớp môi trường từ đầu.
#ReinforcementLearning #AutonomousDriving #Gymnasium #Python #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠
🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠
Ray is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.
Library of deep learning models and datasets designed to make deep learning more accessible and accelerate ML research.
A curated list of Artificial Intelligence (AI) courses, books, video lectures and papers.
Python Implementation of Reinforcement Learning: An Introduction
PyTorch version of Stable Baselines, reliable implementations of reinforcement learning algorithms.
A standard API for single-agent reinforcement learning environments, with popular reference environments and related utilities (formerly Gym)