一个简单的框架,允许研究人员和业余爱好者为 Atari 2600 游戏开发 AI 代理
**Arcade Learning Environment (ALE) 是一个简单的框架,可让研究人员和业余爱好者为 Atari 2600 游戏开发 AI 代理。** 它基于 Atari 2600 模拟器 [Stella](https://stella-emu.github.io) 而构建,将模拟的细节与代理设计分离开来。 此 [视频](https://www.youtube.com/watch?v=nzUiEkasXZI) 显示了 ALE 目前支持的 50 多款游戏。 有关我们对 ALE 的目标的概述,请参阅 [Arcade 学习环境: 通用代理的评估平台](https://jair.org/index.php/jair/article/view/10819)。 如果您在研究中使用 ALE,我们请您在引用环境时提及本文。请参见 [引用](#Citing) 部分的 BibTeX 条目。 特点 --------- - 面向对象的框架,支持添加代理和游戏。 - 将模拟核心与渲染和声音生成模块分离,实现快速模拟,减少库依赖。 - 自动提取 100 多款 Atari 2600 游戏的分数和游戏结束信号。 - 多平台代码(在 macOS、Windows 和多个 Linux 分发版中编译和测试)。 - 通过 [nanobind](https://github.com/wjakob/nanobind) 绑定 Python。 - 原生支持 [Gymnasium](http://github.com/farama-Foundation/gymnasium),这是 OpenAI Gym 的维护分支。 - Atari roms 封装在 pip 包中。 - 基于 C++ 的向量化器,可同时在多个 ROM 中执行。 - WebAssembly 支持在浏览器中运行 ALE。 快速入门 ===========
暂无开放 Issues，或尚未同步最近议题。