Accueil Projets gym-sokoban
gym-sokoban
Python

gym-sokoban

Environnement Sokoban pour OpenAI Gym

par mpSchrader · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
environmentgymopenaiMITPython
Voir sur GitHub
En termes simples

Jouez et entraînez des algorithmes d'apprentissage par renforcement en utilisant l'environnement de jeu Sokoban.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
gym-sokoban — GitHub preview card
📈 Historique des étoiles
410409
2026-07-202026-08-31
📈 Suivez gym-sokoban

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Environnement Sokoban pour OpenAI Gym

gym-sokoban compte 409 étoiles sur GitHub. Il a été forké 89 fois. gym-sokoban est écrit principalement en Python. Il est développé activement depuis 2018. gym-sokoban est disponible sous licence MIT. Ses principaux thèmes sont : environment, gym, openai, python.

Frequently asked questions

Qu'est-ce que gym-sokoban ?

Environnement Sokoban pour OpenAI Gym

gym-sokoban est-il open source ?

gym-sokoban est un projet open source. Il est distribué sous licence MIT.

gym-sokoban est-il gratuit ?

Oui. gym-sokoban est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est gym-sokoban ?

gym-sokoban est disponible sous licence MIT.

Dans quel langage gym-sokoban est-il écrit ?

gym-sokoban est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — gym-sokoban

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=mpschrader-gym-sokoban)](https://olud.ai/project/mpschrader-gym-sokoban.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.