、专为强化学习定制的模块化框架，聚焦灵活扩展与清晰架构，助力机器人学习与科研创新。

• 高度解耦的模块设计，方便用户自由组合与替换各组件，提升开发效率与实验灵活性
• 支持多种网络结构：MLP、CNN、RNN、Transformer及自定义架构，满足多样化算法需求
• 集成现代训练技术，支持分布式训练与混合精度加速，适应大规模复杂环境
• 实现多种前沿算法：AMP、GAE（多Lambda）、Pop-Art、PPO（含循环策略）、RND及对称性增强方法
• 兼容IsaacLab仿真环境，方便机器人学领域的高效模拟与训练
• 适合科研人员和开发者，架构关注职责分离，便于扩展和维护，推动强化学习算法创新
• 项目处于活跃开发中，接口可能频繁变动，建议关注最新更新以适应演进

CusRL通过模块化与架构清晰的设计，降低强化学习研发门槛，促进算法与应用的快速迭代，是机器人及复杂环境RL研究的重要工具。

CusRL | #框架