Mar, 2022

OpenGridGym：一个开源的适用于分布式市场模拟的 AI 工具包

PDF
TL;DR本研究介绍 OpenGridGym，一个基于 Python 的开源模拟软件包，能够将分布式市场模拟与最先进的人工智能决策算法进行无缝集成。该工具通过多个案例展示了其价值，并提供了多个模块用于模拟电力网格，市场机制和环境等。旨在帮助研究人员解决配电市场的关键设计和操作问题。
发现论文，激发创造
  • PowerGridworld: 电力系统中多智能体强化学习框架

    本研究介绍了 PowerGridworld 软件包，它是一个轻量级、模块化、可定制的框架，用于创建面向电力系统的多智能体 Gym 环境，并可与现有的强化学习训练框架集成。通过两个案例研究，证明了 PowerGridworld 可以快速实现多智能体 RL 策略的学习，并支持多设备、组合式的电力系统。

    Nov, 2021

  • NovelGym：面向开放世界的混合规划和学习智能体的灵活生态系统

    AI agents are leaving the lab and entering the real world, and the paper introduces NovelGym, a platform for benchmarking reinforcement learning and hybrid planning and learning agents in open-world contexts.

    Jan, 2024

  • OpenAI Gym

    OpenAI Gym 是一个用于强化学习研究的工具包，包含多个基准问题的集合，提供共同的接口，并提供一个网站，可以分享结果并比较算法性能。本文探讨了 OpenAI Gym 的组件和软件设计决策。

    Jun, 2016

  • GRID：通用机器人智能开发平台

    机器智能、机器人、自主系统是研究论文的主要关键词，并且通过引入新的平台，通过物理能力、环境约束和目标来解决人工智能在机器人中的问题。

    Oct, 2023

  • ns3-gym：为网络研究扩展 OpenAI Gym

    该论文介绍了 ns3-gym 框架的设计决策以及其在网络模拟器 ns-3 中的应用，旨在将机器学习领域的强化学习工具（如 OpenAI Gym）与网络研究相结合，并提供一个便于扩展的开源软件包。

    Oct, 2018

  • 辅助健身房：辅助机器人的物理模拟框架

    本文介绍了 Assistive Gym 这个开源的物理仿真框架，可用于为多种日常生活活动提供机器人辅助，并基于强化学习方法训练不同商用机器人的基本策略。通过对人类活动模型进行建模，该框架可模拟人类活动能力和辅助偏好以提供奖励函数，从而提供更好的人机交互体验。

    Oct, 2019

  • PeersimGym：使用强化学习解决任务卸载问题的环境

    通过开发和优化计算网络中的任务卸载策略，引入了一个可自定义的模拟环境以支持深度强化学习代理，并展示了深度强化学习方法在分布式计算环境中显著提升任务卸载策略的潜力，从而弥合了理论强化学习模型和实际应用之间的差距。

    Mar, 2024

  • SDGym: 使用系统动力学模型的低代码强化学习环境

    通过引入系统动态方法（SD）作为一种补充方法，利用 SDGym 生成基于 SD 模拟模型的定制强化学习（RL）环境，验证了通过预先存在的 SD 模型和少量的配置代码可以生成良好指定、丰富的 RL 环境。

    Oct, 2023

  • EV2Gym: 电动汽车智能充电研究和基准测试的灵活 V2G 模拟器

    电动汽车智能充电算法的研究和评估的真实模拟器平台。

    Apr, 2024

  • DoorGym：可扩展的开门环境和基准智能体

    该篇文章介绍了 DoorGym 环境模拟框架，利用强化学习与领域随机化提高模型泛化性能。提供的基于 PPO 和 SAC 的实现可成功地在 DoorGym 环境中打开不同类型的门，并且现实世界中的转移实验也证明了训练出的模型的可用性。

    Aug, 2019