2025_NIPS_Gymnasium: A Standardized Interface for Reinforcement Learning Environments

Gymnasium 论文核心总结与翻译

一、主要内容总结

Gymnasium 是 OpenAI Gym 的维护版继任者，作为开源强化学习（RL）环境标准化库，旨在解决 RL 研究中环境与算法实现缺乏标准化的问题，已获得广泛采用（截至2025年5月累计安装量超1800万次）。其核心定位是为 RL 研究提供统一框架，主要内容包括：

1. 核心功能与组件：

   • 提供标准化 API，支持大量内置环境（如经典控制、玩具文本、Box2D 物理模拟、MuJoCo 机器人仿真等）和外部兼容环境（含自动驾驶、医疗、无人机控制等领域）；
   • 核心抽象包括 Env（单环境实例）、VectorEnv（并行多环境）、Space（定义动作/观测结构）、Registry（环境注册管理）和 Wrapper（环境功能扩展）；
   • 配套工具包括环境验证、键盘交互、OpenAI Gym 兼容转换等实用功能，保障研究可复现性。

2. 生态兼容性：

   • 与主流 RL 训练库深度兼容，如 Stable Baselines3、CleanRL、Tianshou、Ray Rllib 等；
   • 支持 Minari（离线 RL 数据集标准化工具）、Atari 学习环境、Metaworld（元学习基准）等