q2rl

Q2RL 是一个从行为克隆（BC）策略中提取高质量 Q 函数的开源框架，用于提升离线强化学习在机器人控制任务中的策略迁移能力。其核心功能包括基于 BC 策略进行 Q 值估计（Q-Estimation）和动态门控筛选（Q-Gating），技术上依赖 JAX 实现高效计算，并支持 D4RL 与 Adroit 等主流机器人离线数据集。项目适用于具身智能、机械臂操作、仿真到现实（sim2real）迁移等需利用专家演示数据启动强化学习的场景。