原文連結：http://blog.csdn.net/jinzhuojun/article/details/78508203

前段時間Nature上發表的升級版Alpha Go - AlphaGo Zero再一次成為熱點話題。作為其核心技術之一的Deep reinforcement learning（深度增強學習，或深度強化學習）也再一次引發關注。Alpha Zero最有意義的地方之一是它去除了從人類經驗（棋譜）中學習的過程，而是完全通過“左右互博”式的學習擊敗了自己的“前輩”。這也很能體現強化學習的特點，就是在弱監督資訊下通過”Trial and error”來自我學習。

這兩年DRL隨著深度學習的大熱也是火得不行。於是各種新的強化學習研究平臺如雨後春芛冒出來，而且趨勢也是從簡單的toy場景慢慢擴充套件到3D迷宮，第一人稱射擊遊戲，即時策略類遊戲和複雜機器人控制場景等。之前曾寫文介紹了一些流行的強化學習實驗環境(常用強化學習實驗環境 I (MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2))。本文是第二彈。 ps: 真羨慕現在研究強化學習的孩子，各種五花八門的實驗環境，演算法參考實現也可以隨便挑。。。

在第一篇中介紹過的本文就不重複累述了，這裡把本文涉及的專案大致分為兩類：
1. 實驗場景類: 像OpenAI Gym，MuJoCo這些。

2. 研究框架類: 一般會整合多個實驗場景並提供方便統一的介面，方便其它場景的接入，並提供一些高階功能（如並行化），同時可能附帶一些演算法參考實現。