Minari

Q: 只安装最小依赖够用吗？

可以，pip install minari 是基础安装；若运行时提示缺少依赖，可改用 pip install ＂minari[all]＂ 一次装全。

Q: 如何查看有哪些可下载的数据集？

运行 minari list remote 查看远程数据集列表，再用 minari download 数据集名 下载指定数据集。

Q: 想参与开发或测试怎么安装？

克隆仓库后进入 Minari 目录，执行 pip install -e ＂.[all]＂ 以可编辑模式安装全部依赖。

统一离线RL数据格式，一键加载参考数据集

开源 🏷️完全免费 ✅ 目前可打开数据集 🍴 复刻 84 🐛 待处理 40 👀 关注 18

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1770

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费，提供标准数据集格式与工具

项目预览

项目数据

分类数据集

开发团队Farama-Foundation

官网地址https://minari.farama.org

GitHubhttps://github.com/Farama-Foundation/Minari

定价模式🏷️完全免费

价格说明开源免费，提供标准数据集格式与工具

访问状态✅ 目前可打开

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型datasets,gymnasium,offline-rl,reinforcement-learning

GitHub 星标★ 1770

上线时间2022-10-06 00:00:00

代码更新2026-10-14

仓库体积2.11 GB

本站数据更新2026-11-05

维护状态较活跃

收录时间2026-09-21

浏览次数1

项目介绍

Minari 是面向离线强化学习（Offline RL）的数据集标准与工具库。它定义了统一的离线 RL 数据集格式，把不同来源、不同环境产生的轨迹数据（状态、动作、奖励、终止标志等）规范化为可互换的结构，解决了离线 RL 领域数据格式混乱、难以复用和比较的问题。核心能力包括：提供标准化的数据集存储规范；内置一批流行的参考数据集（如 D4RL 风格任务），可直接加载使用；提供 Python API 与 Gymnasium 环境接口对接，方便训练和评估算法；支持数据集创建、校验、版本管理和远程下载。它让研究者能像使用 HuggingFace Datasets 一样方便地获取离线 RL 数据，降低复现和对比成本，是离线 RL 生态中重要的基础设施。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-21 · 当前星标 ★ 1770

技术标签

datasets reinforcement-learning

使用教程

难度：入门约 10 分钟部署方式：库/依赖 8 步

环境要求

已安装 Python 与 pip，可使用 pip install 命令
源码安装需要已安装 git
安装全部依赖或从源码安装时需要网络连接
下载远程数据集时需要网络连接

安装与启动步骤

1安装 Minari

从 PyPI 安装 Minari，仅包含最小必需依赖；其他依赖会按使用场景提示安装。
```
pip install minari
```
2安装全部依赖

一次性安装所有可选依赖，适合不想逐个补装依赖的用户。
```
pip install "minari[all]"
```
3源码方式安装

适合测试或参与贡献：克隆仓库后在项目目录内以可编辑模式安装全部依赖。
```
git clone https://github.com/Farama-Foundation/Minari.git --single-branch
cd Minari
pip install -e ".[all]"
```
4查看远程数据集

列出可下载的远程数据集，确认可用的数据集名称。
```
minari list remote
```
5下载数据集

下载指定数据集到本地，名称需与远程列表中的一致。
```
minari download D4RL/door/human-v2
```
6查看本地数据集

列出已下载到本地的数据集，确认下载是否成功。
```
minari list local
```
7查看数据集详情

展示指定数据集的详细信息，例如数据规模与内容结构。
```
minari show D4RL/door/human-v2
```
8查看全部命令

列出 Minari 命令行支持的全部命令与参数。
```
minari --help
```