arXiv · ML· Quentin Delfosse, Raban Emunds, Paul Seitz, Sebastian Wette, Jannis Bl\"uml, Daniel Kirn, Dominik Mandok, Kristian Kersting·· 9 小时前AI 评分38
JAXtari：基于 GPU 的高吞吐且易修改的街机学习环境
JAXtari: High-Throughput and Easy-to-Modify Arcade Learning Environment
AI 导读
JAXtari 是开源的 Atari 2600 环境高性能重实现，支持大规模 GPU 并行化，使 PPO 智能体在单块 A100 GPU 上 100M 环境步骤训练耗时不足一小时。 该工具提供以对象为中心的观测和灵活的修改系统，支持神经符号方法开发及智能体在数分钟内快速训练与适应。
来源：arXiv · ML · arxiv.org