本论文介绍了一种高性能代理基于模型的框架 ——Vogue，可以支持成千上万的互动代理的训练环境，此规模的高性能多智能体环境有望实现在复杂系统中建立灵活且健壮的策略。本研究展示了两个新开发的大规模多智能体训练环境的训练表现，并表明这些环境可以在几分钟甚至几小时的时间尺度上训练共享 RL 策略。

Jul, 2022

本论文提出了 CaiRL 环境工具包作为一种有效、兼容性良好、可持续性更高的训练学习代理的替代方法，并提出了更高效环境模拟的方法，以解决当前强化学习工具包效率低下的问题。

Oct, 2022

我们提出了一种轻量级并行 RL 框架 Spreeze，它能有效利用单个桌面硬件资源接近吞吐极限，通过异步并行化经验采样、网络更新、性能评估和可视化操作，并采用多种高效数据传输技术在进程之间传输各种类型的数据，基于计算能力自动调整并行超参数以进行高效的大批量更新，进一步改进吞吐量，模拟结果表明我们的框架能以一个人的个人桌面计算机每秒 15,000 次经验采样和 370,000 次网络更新的帧速率实现，比其他主流并行 RL 框架高一个数量级，训练时间减少了 73%，充分利用单个桌面计算机的硬件资源是实现高效大规模分布式 RL 训练的基础。

Dec, 2023

此研究论文利用 JAX 实现的开源代码库 JaxMARL，通过 GPU 加速以及更灵活的环境设计，提供了高效且全面的多智能体强化学习训练框架，有效应对了计算负担、样本复杂性等挑战。

Nov, 2023

提出一种高效并行化深度强化学习算法的框架，可以在单台计算机上实现多个参与者的学习。该框架可以应用于各种算法，包括值函数和策略梯度算法，并且可以在 GPU 上高效实现。通过在 GPU 上实现了优势优化器演员 - 评论员算法，使用同步更新和在策略体验上训练，结果表明该算法在短时间内取得了 Atari 游戏领域的最新效果。

May, 2017

使用 GPU 加速物理引擎 NVIDIA Flex 模拟机器人学习在连续控制和运动任务上表现出了极大的优势，使用少量的 CPU 与单 GPU 即可短时间内训练出高效的机器人智能。

Oct, 2018

探究了如何优化现有的深度强化学习算法以适应现代计算机，特别是在 CPU 和 GPU 的组合下使用许多并行模拟器实例进行训练，并建立了一个统一的并行化框架，使用 GPU 加速数据收集和训练，成功地在短短几分钟内使用整个 DGX-1 在 Atari 游戏中学习出成功的策略。

Mar, 2018

本研究旨在通过优化增强学习算法的效率和资源利用率来解决大规模分布式计算的成本限制问题，通过异步、基于 GPU 的采样器和异策略校正技术，我们提出了 “Sample Factory”，该系统在一个单一机器设置中能够获得高通量的训练，支持自我博弈和基于群体的训练，并应用于多人第一人称射击游戏的训练中。

Jun, 2020

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

CuLE 是一种用于开发深度强化学习算法的 CUDA 版 Atari Learning Environment，通过 GPU 并行化运行数千个游戏，直接将帧渲染到 GPU，以规避有限的 CPU-GPU 通信带宽瓶颈，最高可在单个 GPU 上每小时生成 155M 帧。

Jul, 2019