补品 欢迎使用Tonic RL库！ 请查看以获取详细信息和结果。 主要设计原则是： 模块化：用于创建RL代理的构建块（例如模型，重播或探索策略）被实现为可配置模块。 可读性：代理使用相同的API以简单的方式编写，并且日志通过进度条很好地显示在终端上。 公平的比较：培训流程是唯一的，并且与所有Tonic代理和环境兼容。 代理人是由其核心思想定义的，而诸如，观察规范化和操作缩放之类的常规技巧/改进则可以共享。 基准测试：提供了在中受训的所提供代理的基准数据，用于直接比较。 包装的流行