欢迎来到 PPO x Family 系列决策智能入门公开课。该系列将深入理解深度强化学习算法 PPO ，灵活运用一个 PPO 算法解决几乎所有常见的决策智能应用 ，帮助一切对于深度强化学习技术有好奇心的人，轻便且高效地制作应用原型，了解和学习最强大最易用的 PPO Family 。
P.S. 路过记得点个 star 
- 2023.03.14: PPO x Family 第六章（统筹多智能体）将在三月下旬上线
- 2023.03.09: [bilibili] PPO x Family 第五章（探索时序建模）正式上线
- 2023.02.23: [bilibili] PPO x Family 第四章（解密稀疏奖励空间）正式上线
- 2023.01.16: [bilibili] PPO x Family 第三章（表征多模态观察空间）正式上线
- 2022.12.23: [bilibili] PPO x Family 第二章（解构复杂动作空间）正式上线
- 2022.12.23: PPO x Family ”算法-代码“ 注解文档网站上线 传送门
- 2022.12.08: [bilibili] PPO x Family 第一章（开启决策AI探索之旅）正式上线
- 2022.12.06: [bilibili] PPO x Family 第一章微课视频：4分钟带你快速入门强化学习的万能钥匙
- 2022.12.05: [PaperWeekly] 给你一个 PPO × Family 课程，撑起整个决策 AI 宇宙
- 2022.12.01: [bilibili] PPO x Family 课程品牌宣传视频
- 2022.11.30: [机器之心] 集中一点，演化无限：PPO × Family决策智能入门公开课即日开讲
- 2022.11.30: [中国计算机学会CCF] 【CCF科普群星计划】决策智能入门公开课开课啦
| 章节（视频课） | 算法理论资料 | 补充资料 | 习题 | 代码样例 | 应用样例 |
|---|---|---|---|---|---|
| 第一章：开启决策AI探索之旅 | 课程PPT 课程文字稿 |
微课视频 策略梯度 A2C TRPO 符号表 QA总结 |
习题 习题题解 |
PG算法示例 A2C算法示例 PPO算法示例 |
应用混剪 |
| 第二章：解构复杂动作空间 | 课程PPT | 重参数化 PPO&DDPG HyAR QA总结 |
习题 习题题解 |
离散动作示例 连续动作示例 混合动作示例 应用训练代码 |
火箭回收等 |
| 第三章：表征多模态动作空间 | 课程PPT | 表征学习 PPG 不变性 QA总结 |
习题 习题题解 |
编码方法示例 Wrapper示例 计算图示例 应用训练代码 |
软体机器人等 |
| 第四章：解密稀疏奖励空间 | 课程PPT | 逆强化学习 行为克隆BC |
习题 | [RND示例] [Pop-Art示例] 应用训练代码 |
自动驾驶等 |
| 第五章：探索时序建模 | 课程PPT | 随机性策略 RWKV |
[习题(3.16更新)] | LSTM示例 GTrXL示例 [应用代码示例] |
记忆型决策 |
一个算法解决万千应用 视频传送门
算法理论和代码实现一一对应 网站传送门
.
├── LICENSE
├── assets --> 相关图片素材（转载请注明来源）
├── chapter2_action --> 课程第二章相关内容
└── chapter1_overview --> 课程第一章相关内容
├── chapter1_manuscript.pdf --> 课程第一章文字稿（对于PPT的补充说明）
├── chapter1_lecture.pdf --> 课程第一章PPT
├── chapter1_qa.pdf --> 课程第一章答疑文稿
├── chapter1_homework.pdf --> 课程第一章习题作业
├── chapter1_homework_solution.pdf --> 课程第一章习题作业题解
├── chapter1_supp_trpo.pdf --> 课程第一章补充材料（算法理论推导等）
└── chapter1_demo_code.py --> 课程第一章相关代码实现
- 常见问题FAQ：传送门
- 小助手微信号：OpenDILab
- Slack：OpenDILab
- GitHub Issue区：链接
- B站账号：OpenDILab
- 知乎账号：OpenDILab浦策
- 邮箱：[email protected]
PPOxFamily is released under the Apache 2.0 license.