产品RLlib
Ray RLlib
Ray生态下的分布式强化学习库，支持大规模并行训练和多算法实现，适用于工业级RL应用
时间轴 (近 90 天)
10月16日
ML-Agents的工作原理是：Unity端通过Agent脚本定义观测、动作和奖励，并借助gRPC与外部Python训练进程通信；Python端提供PPO、SAC等算法的参考实现（基于PyTorch），也可通过mlagents-envs接口接入Stable-Baselines3或Ray RLlib。
待验证50%
8月26日
Ray RLlib 是面向分布式场景的工业级强化学习框架，支持多智能体训练和大规模并行环境采样
待验证50%