Stable-Baselines3

基于 PyTorch 的经典强化学习算法库，接口简单、实现可靠

Stable-Baselines3 是一个基于 PyTorch 的开源强化学习库，由德国宇航中心机器人所（DLR-RM）的 Antonin Raffin 等人维护，是 Stable Baselines（源自 OpenAI Baselines）的继任版本，相关论文 2021 年发表于 JMLR。它提供 PPO、SAC、TD3、DQN、A2C 等算法的可靠实现，几行代码就能在 Gymnasium 环境上训练，文档和测试完善，常被当作入门和对照基线。它主要面向单环境或少量并行环境，大规模 GPU 并行仿真训练时，人们更多用 rsl_rl、rl_games 等。

例子model = PPO(「MlpPolicy」, env); model.learn(100000)，几行代码就能在 Gymnasium 的倒立摆任务上训出策略。

相关

强化学习、近端策略优化、软演员-评论家、Gymnasium、CleanRL、skrl

来源

Stable-Baselines3 Docs
DLR-RM/stable-baselines3 (GitHub)