*课程资料请到微信公众号“古月居”后台回复“机器学习资料”获取

该课程已开通专门交流答疑区，点击这里，发帖提问交流

课程目的

近年来，强化学习得到了极大的发展，也出现了许多强化学习的仿真工具包，每个工具包都有各自的特色。那么对于机器人领域的初学者来说，我们该选择哪个包来入门强化学习呢？

如果你有以下需求，那么本课程就是一个比较好的选择。

1、你想结合强化学习与机器人的仿真，仿真平台要支持Python、C/C++等主流编程语言；

2、你想要学习一个成熟的主流强化学习框架，可以应用到许多领域；

3、你想要快速构建自己的机器人仿真模型，希望仿真平台的可视化程度比较高，尤其是仿真过程中机器人的动作可视化和数据可视化；

4、你想要使用已有的最新强化学习算法控制自己的模型，最好是有现成的算法实现，而且算法开源，便于自己修改；

CoppeliaSim作为机器人仿真平台的其中一个，已经比较成熟了。主页：https://www.coppeliarobotics.com/ ，可以在Windows、 Linux、 MacOS三大平台使用，内置许多现有的机器人模型，支持C/C++、Python、Java、Lua、Matlab/Octave等主流编程语言，接口简单易用。

本课程将基于CoppeliaSim构建自己的仿真模型，并使用强化学习框架Gym和强化学习算法库Stable-baselines3实现一个强化学习案例。

最终，本课程提供的案例可以实现对CartPole模型的控制，实验效果：

当然，基于本课程构建的框架，你可以很方便地实现自己的强化学习环境和仿真模型的控制过程。

课程内容

  1. 课程简介
  2. CoppeliaSim的安装与使用
  3. 强化学习与Gym简介
  4. 强化学习环境与模型搭建
  5. 课程总结

*课程资料请在微信公众号“古月居”后台回复“机器学习资料”获取

温馨提示

1.本课程为强化学习环境搭建的入门教程，适合想要自己构建机器人仿真模型和强化学习环境的初学者；

2. 本课程包含了CoppeliaSim软件的安装和使用教程，提供了几个案例，适合对CoppeliaSim不太熟悉的同学；

3. 本课程使用了最新的强化学习算法，适合想要快速验证效果的同学，同时，本课程的灵活框架也适用于自定义算法，同学可在现有算法的基础上进行改进；

    *课程资料请在微信公众号“古月居”后台回复“机器学习资料”获取

    温馨提示

    1.本课程为强化学习环境搭建的入门教程，适合想要自己构建机器人仿真模型和强化学习环境的初学者；

    2. 本课程包含了CoppeliaSim软件的安装和使用教程，提供了几个案例，适合对CoppeliaSim不太熟悉的同学；

    3. 本课程使用了最新的强化学习算法，适合想要快速验证效果的同学，同时，本课程的灵活框架也适用于自定义算法，同学可在现有算法的基础上进行改进；

    最终，本课程提供的案例可以实现对CartPole模型的控制，实验效果：

    点击链接开始学习吧！