外观
Skip to content
skrl
skrl
Toni-SM 在 GitHub 开源的算法库，主要语言 Python。 Modular Reinforcement Learning (RL) library (implemented in PyTorch, JAX, and NVIDIA Warp) with support for Gymnasium/Gy…
概述
这个开发工具的核心职责、所属技术栈与硬件生态定位。
skrl是一款开源模块化强化学习算法库，采用Python作为核心开发语言，底层基于PyTorch、JAX与NVIDIA Warp实现，内置兼容Gymnasium等标准交互接口的强化学习算法组件，支持用户灵活组合、定制不同的强化学习训练流程。
该库适配机器人技术栈的运动控制、SLAM导航、VLA策略训练与部署等多个层级，开发者可通过pip安装导入，直接对接Isaac Gym、MuJoCo等主流仿真环境，无需额外适配即可快速开展机器人强化学习相关的研发工作。
资料出处 GitHub Toni-SM/skrl
关键工程信息
工具分类、开发语言、GitHub 社区活跃度与环境要求。
快速接入与环境要求
源码克隆、构建方式、已验证系统环境与版本更新记录。
源码拉取与构建参考
git clone https://github.com/Toni-SM/skrl.git
cd skrl
# 安装 Python 依赖与开发包
pip install -e .推荐运行环境与版本 1
| 版本 / 分支 | 验证环境 | 接入说明 |
|---|---|---|
| main / 最新稳定分支（适配 PyTorch 2.x、JAX 0.4.x、NVIDIA Warp 0.15.x 系列） | Ubuntu 22.04 LTS / Windows 11 / Python 3.8 ~ 3.11 / CUDA 11.7 ~ 12.x | 执行 pip install skrl 即可安装，可对接 Isaac Gym、MuJoCo、Gymnasium 环境，引入对应算法模块快速搭建训练流程。 |
适配与兼容机型
支持接入该 SDK、ROS 驱动或仿真资产的机器人本体。
尚未收录适配机型。
同厂商与同类工具
同一厂商开源的配套仓库或同技术栈开发工具。
来源
本页事实对应的公开页面，以原文为准。
- GitHub Toni-SM/skrl访问 2026-10-26