GzDRL
GzDRL是一个开源机器人强化学习框架，支持在Gazebo仿真环境内直接完成强化学习训练，采用C++后端（衍生自EnvPool）实现批量并行环境与GIL释放，兼顾高吞吐训练与Gazebo/ROS生态兼容性
时间轴 (近 90 天)
GzDRL 是一个开源框架，试图直接在 Gazebo 内部完成强化学习训练
GzDRL 采用显式的「动作 → 物理 → 观测」执行序列，将仿真步进变成确定性可控的流程，而非依赖异步消息传递
GzDRL 的性能基础来自一个衍生自 EnvPool 的 C++ 后端
GzDRL 支持批量并行环境，允许在 Python 中创建环境并在执行时释放 GIL
GzDRL 支持纯 CPU 训练，无需大型 NVIDIA GPU 即可进行强化学习实验
GzDRL 面向研究者提供可复现的状态转移、批量向量化、多智能体环境和域随机化等特性
GzDRL 在一台工作站 CPU 上达到了 78.6k 环境步/秒的吞吐量
作者使用相同随机种子进行五次独立 PPO 训练，产生完全一致的学习曲线，策略检查点哈希值 100% 相同
作者将在仿真中训练的轨迹跟踪策略直接部署到实体四旋翼上，且未经任何微调
全部知识事实 (9)
GzDRL 是一个开源框架，试图直接在 Gazebo 内部完成强化学习训练
50%待验证GzDRL 采用显式的「动作 → 物理 → 观测」执行序列，将仿真步进变成确定性可控的流程，而非依赖异步消息传递
50%待验证GzDRL 的性能基础来自一个衍生自 EnvPool 的 C++ 后端
50%待验证GzDRL 支持批量并行环境，允许在 Python 中创建环境并在执行时释放 GIL
50%待验证GzDRL 支持纯 CPU 训练，无需大型 NVIDIA GPU 即可进行强化学习实验
50%待验证GzDRL 面向研究者提供可复现的状态转移、批量向量化、多智能体环境和域随机化等特性
50%待验证GzDRL 在一台工作站 CPU 上达到了 78.6k 环境步/秒的吞吐量
50%待验证作者使用相同随机种子进行五次独立 PPO 训练，产生完全一致的学习曲线，策略检查点哈希值 100% 相同
50%待验证作者将在仿真中训练的轨迹跟踪策略直接部署到实体四旋翼上，且未经任何微调
50%