MiniGrid
轻量级开源网格世界强化学习训练环境，提供最简化的可配置任务，广泛用于强化学习算法的快速原型验证与智能体研究
时间轴 (近 90 天)
在MiniGrid的DoorKey-8x8环境中，带重置动作的PPO智能体在80个种子中仅成功解谜2次，而无重置动作时成功率为71/80。
在MiniGrid的KeyCorridorS3R1环境中，带重置动作的PPO智能体0/20成功，无重置动作时20/20成功。
在MiniGrid中新证书接受了9/9相对于恒定现任策略的改进以及4/9相对于last-write-wins策略的改进，而此前的证书一个都没接受
实证测试使用了45,000条留出的可变状态历史和9,000个episode，覆盖三个外部MiniGrid记忆环境并引入嘈杂报告接口
MiniGrid是强化学习社区广泛使用的轻量级网格世界环境库，以部分可观测性场景著称
NetHack Learning Environment、MiniGrid、Procgen是知名的强化学习研究环境
Farama基金会同时维护PettingZoo（多智能体环境）、MiniGrid（网格世界环境）、Minari（离线RL数据集标准）等项目
Farama基金会同时维护PettingZoo（多智能体环境）、MiniGrid（网格世界环境）等强化学习相关项目
全部知识事实 (8)
在MiniGrid的DoorKey-8x8环境中，带重置动作的PPO智能体在80个种子中仅成功解谜2次，而无重置动作时成功率为71/80。
50%待验证在MiniGrid的KeyCorridorS3R1环境中，带重置动作的PPO智能体0/20成功，无重置动作时20/20成功。
50%待验证在MiniGrid中新证书接受了9/9相对于恒定现任策略的改进以及4/9相对于last-write-wins策略的改进，而此前的证书一个都没接受
50%待验证实证测试使用了45,000条留出的可变状态历史和9,000个episode，覆盖三个外部MiniGrid记忆环境并引入嘈杂报告接口
50%待验证MiniGrid是强化学习社区广泛使用的轻量级网格世界环境库，以部分可观测性场景著称
50%待验证NetHack Learning Environment、MiniGrid、Procgen是知名的强化学习研究环境
50%待验证Farama基金会同时维护PettingZoo（多智能体环境）、MiniGrid（网格世界环境）、Minari（离线RL数据集标准）等项目
50%待验证Farama基金会同时维护PettingZoo（多智能体环境）、MiniGrid（网格世界环境）等强化学习相关项目
50%