Gymnasium v1.1.0 版本发布:强化学习工具库的重大更新
Gymnasium 是一个开源的强化学习工具库,作为 OpenAI Gym 的分支项目,它为研究人员和开发者提供了丰富的强化学习环境和工具。该项目专注于提供标准化的环境接口,支持各种强化学习算法的开发和测试。
向量环境自动重置模式的改进
在 Gymnasium v1.0 中,向量环境的实现进行了重大改进,改变了用户与其交互和扩展的方式。v1.1 版本进一步优化了这一功能,为向量环境(SyncVectorEnv 和 AsyncVectorEnv)及其包装器添加了对三种自动重置模式的支持:
- next-step 模式:在下一个步骤自动重置终止或截断的子环境
- same-step 模式:在同一时间步自动重置终止或截断的子环境
- disabled 模式:禁用自动重置功能
开发者可以通过向量环境的元数据 metadata["autoreset_mode"] 来指定使用的自动重置模式,该值应为 gymnasium.vectors.AutoresetMode 枚举类型。这一改进为不同需求的强化学习实验提供了更大的灵活性。
核心功能增强
概率掩码采样
在 v0.25 版本引入空间掩码功能后,v1.1 进一步增加了概率掩码支持。现在开发者可以使用 space.sample(probability=...) 方法为每个样本指定概率分布,这对于输出动作概率分布的强化学习策略特别有用。
MuJoCo 环境渲染增强
MuJoCo 物理引擎环境的渲染功能得到了显著提升。除了原有的 RGB 图像和深度图像渲染外,v1.1 新增了 RGBD 渲染模式,可以同时输出 RGB 和深度图像作为一个整体输出,为基于视觉的强化学习研究提供了更多可能性。
数据类型转换包装器改进
v1.0 中引入的 Jax、Torch 和 Numpy 之间的转换包装器(如 JaxToTorch、JaxToNumpy 等)在 v1.1 中得到了显著增强。这些改进包括:
- 新增了对渲染功能的支持
- 实现了完整的 dlpack API 兼容性
- 优化了不同深度学习框架间数据转换的性能
其他重要改进
包装器功能增强
- StickyAction 包装器现在可以支持多步重复同一动作
- TransformObs/Action 向量包装器现在支持单个观测/动作空间参数
- 改进了 set_wrapper_attr 方法,提供了更灵活的变量更新方式
- AtariPreprocessing 现在支持非正方形观测
错误修复与稳定性提升
- 修复了 CarRacing-v3 环境离散动作的问题
- 修正了 Mujoco 渲染器 RGB 图像倒置的问题
- 恢复了 Dict 空间中 OrderedDict 的键顺序
- 改进了 TimeAwareObservation 对无 spec 环境的支持
- 增强了包装器错误检查机制
开发者体验优化
- 新增了多个流行的第三方入门教程
- 更新了奖励缩放包装器的文档
- 改进了错误提示信息,特别是 MuJoCo 渲染器相关的错误提示
- 修复了 Blackjack 环境文档中的数值范围错误
Gymnasium v1.1.0 的这些改进显著提升了库的稳定性、功能性和易用性,为强化学习研究和应用开发提供了更加强大的工具支持。特别是对向量环境和数据转换功能的增强,使得大规模并行训练和跨框架实验变得更加便捷。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00