RLCSD

用对比自蒸馏强化 RL 训练，让策略更稳更高效

RLCSD 是论文《RLCSD: Reinforcement Learning with Contrastive On-Policy Self-Distillation》的官方开源实现，旨在通过对比式在线自蒸馏方法提升强化学习（RL）策略的性能与样本效率。该项目主要面向连续控制任务，在策略梯度算法（如 PPO）基础上引入自蒸馏机制，利用对比学习约束策略网络中间层表征，使策略在探索过程中保持表征一致性，从而缓解高维状态空间下的训练不稳定问题。核心能力包括：提供完整的 RLCSD 训练流程、与主流 RL 框架（如 Stable-Baselines3）集成、支持多种连续控制环境（如 MuJoCo）的基准测试，并附带论文中的实验配置与结果复现脚本。项目代码结构清晰，便于研究者扩展和对比实验，解决了传统 RL 算法在复杂连续控制任务中样本利用率低、收敛不稳定的痛点。