retro
Retro 是一款将经典电子游戏转化为强化学习训练环境的开源工具。它基于 OpenAI Gym 框架,让研究人员能够利用约 1000 款复古游戏(涵盖 Atari、任天堂、世嘉等多个经典主机平台)来测试和训练 AI 智能体。
在强化学习研究中,构建多样化且标准的测试环境往往颇具挑战。Retro 通过集成支持 Libretro API 的多种模拟器,巧妙地解决了这一痛点。它不仅提供了统一的游戏接口,还预先定义了关键的游戏内存地址、奖励函数逻辑、回合结束条件以及关卡存档点,极大地降低了环境配置的难度,让开发者能专注于算法本身而非底层适配。
这款工具主要面向 AI 研究人员、算法工程师及强化学习爱好者。其独特的技术亮点在于对多平台模拟器的无缝整合能力,以及为每款游戏精心编写的状态追踪与奖励机制文件,使得在不同游戏间迁移和泛化学习算法变得异常便捷。需要注意的是,Retro 本身不包含商业游戏 ROM,用户需自行准备合法的游戏文件。目前项目处于维护阶段,适合需要稳定经典环境进行学术探索或算法验证的专业用户。
使用场景
某高校强化学习实验室的研究团队正致力于训练一个能通用于多种经典游戏规则的 AI 智能体,以验证算法的泛化能力。
没有 retro 时
- 环境搭建繁琐:研究人员需手动集成不同游戏机(如 NES、GBA)的独立模拟器,配置复杂的底层 API 接口,耗时数周才能跑通第一个游戏。
- 奖励函数难定义:缺乏现成的内存地址映射数据,团队必须逆向分析每个游戏的十六进制内存码来提取分数和生命值,极易出错且效率低下。
- 实验标准不统一:由于缺少标准化的存档点(Savestates)和回合结束判定逻辑,不同成员编写的训练脚本难以复现彼此的结果,导致基准测试失效。
- 游戏覆盖受限:受限于开发精力,团队仅能勉强支持 2-3 款游戏,无法在大规模游戏库上验证算法的通用性。
使用 retro 后
- 一键接入千款游戏:retro 直接内置了基于 Libretro API 的多种模拟器核心,通过一行代码即可将约 1000 款经典游戏转化为标准的 Gym 环境,即刻开始训练。
- 预置关键数据映射:工具自动提供了各游戏的内存变量位置、自定义奖励函数及回合终止条件,研究人员无需再手动逆向解析内存,专注于算法优化。
- 标准化实验流程:retro 内置了关卡起始存档点和统一的哈希校验机制,确保了全球研究者能在完全一致的初始条件下复现实验,大幅提升了论文可信度。
- 大规模泛化验证:借助丰富的游戏库,团队轻松在数十款不同机制的游戏上并行测试,快速证明了新算法在跨域场景下的强大泛化性能。
retro 通过将碎片化的复古游戏模拟标准化为统一的强化学习接口,极大地降低了多任务泛化研究的门槛与成本。
运行环境要求
- Windows 7
- 8
- 10
- macOS 10.13 (High Sierra)
- 10.14 (Mojave)
- Linux (manylinux1)
未说明
未说明

快速开始
状态: 维护中(预计进行错误修复和小版本更新)
Gym Retro
Gym Retro 可以将经典电子游戏转换为适用于强化学习的 Gym 环境,并支持约 1000 款游戏的集成。它使用支持 Libretro API 的多种模拟器,因此添加新模拟器相对容易。
支持的平台:
- Windows 7、8、10
- macOS 10.13(High Sierra)、10.14(Mojave)
- Linux(manylinux1)
CPU 需具备 SSSE3 或更高指令集
支持的 Python 版本:
- 3.6
- 3.7
- 3.8
每款游戏的集成都包含用于记录游戏内变量的内存地址文件、基于这些变量的奖励函数、回合结束条件、关卡开始时的存档点,以及与这些文件兼容的 ROM 哈希值列表。
请注意,ROM 文件不随软件一起提供,您需要自行获取。大多数 ROM 哈希值来源于各自的 No-Intro SHA-1 校验和。
文档
文档可在 https://retro.readthedocs.io/en/latest/ 查阅。
建议从入门指南开始阅读。
贡献
请参阅 CONTRIBUTING.md
更改日志
请参阅 CHANGES.md
模拟系统
- Atari
- Atari2600(通过 Stella 模拟)
- NEC
- TurboGrafx-16/PC Engine(通过 Mednafen/Beetle PCE Fast 模拟)
- Nintendo
- Game Boy/Game Boy Color(通过 gambatte 模拟)
- Game Boy Advance(通过 mGBA 模拟)
- 任天堂娱乐系统(通过 FCEUmm 模拟)
- 超级任天堂娱乐系统(通过 Snes9x 模拟)
- Sega
- GameGear(通过 Genesis Plus GX 模拟)
- Genesis/Mega Drive(通过 Genesis Plus GX 模拟)
- Master System(通过 Genesis Plus GX 模拟)
有关各个核心许可证的信息,请参阅 LICENSES.md。
包含的 ROM
以下非商业 ROM 随 Gym Retro 一同提供,用于测试目的:
- Anthrox 的 [the 128 sine-dot](http://www.pouet.net/prod.php?which=2762)
- Ben Ryves 的 [Sega Tween](https://pdroms.de/files/gamegear/sega-tween)
- Blind IO 的 [Happy 10!](http://www.pouet.net/prod.php?which=52716)
- Chris Covell 的 [512-Colour Test Demo](https://pdroms.de/files/pcengine/512-colour-test-demo)
- Dekadence 的 [Dekadrive](http://www.pouet.net/prod.php?which=67142)
- Derek Ledbetter 的 [Automaton](https://pdroms.de/files/atari2600/automaton-minigame-compo-2003)
- dox 的 [Fire](http://privat.bahnhof.se/wb800787/gb/demo/64/)
- dr88 的 [FamiCON intro](http://www.pouet.net/prod.php?which=53497)
- Electrokinesis 的 [Airstriker](https://pdroms.de/genesis/airstriker-v1-50-genesis-game)
- Vantage 的 [Lost Marbles](https://pdroms.de/files/gameboyadvance/lost-marbles)
引用
请使用以下 BibTeX 条目进行引用:
@article{nichol2018retro,
title={Gotta Learn Fast: A New Benchmark for Generalization in RL},
author={Nichol, Alex and Pfau, Vicki and Hesse, Christopher and Klimov, Oleg and Schulman, John},
journal={arXiv preprint arXiv:1804.03720},
year={2018}
}
版本历史
f347d7e2021/03/31v0.8.02020/05/01v0.7.02019/03/15常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器