策略训练

Genesis World 是为大规模强化学习而构建的：在单张 GPU 上并行运行数千个环境，并进一步扩展到多张 GPU。在这种规模下，瓶颈很少是学习算法本身，而是每个环境的步进效率，以及整条流水线能让 GPU 保持多高的忙碌程度。本节介绍让大规模训练真正跑起来的最佳实践、Genesis World 随附的完整 RL 示例，以及跨多张 GPU 的扩展方式。阅读本节前，我们假设你已经能熟练使用 并行仿真。