CARL
基于CUDA的火箭联盟GPU并行仿真环境，将所有仿真状态保留在GPU显存中，消除host-device数据传输开销
时间轴 (近 90 天)
这种方案适用条件包括：需要物理逻辑足够简洁、能高效并行化，并且任务本身适合大规模环境采样。
从训练曲线可以看到，机器人在空中控制能力上有明显提升。
开发者自嘲说，如果自己亲自操作，可能一个微弱操作就能救回来，言下之意机器人的表现虽然不错，但离人类高手还有距离。
CARL目前已经“功能完整”，开发者决定开源给社区看看反馈。
开发者接下来的TODO列表包括：内置训练包API、速度和物理一致性基准测试、补充测试和其他工程最佳实践、探索JAX和TensorFlow集成。
物理一致性（parity）的评估目前还比较初步，更系统的对比工作还没完成。
CARL在Reddit上发布后引起了不少关注。
CARL的核心思路是把所有模拟状态信息保留在GPU显存中，训练过程中完全消除了主机与设备之间的数据传输开销。
CARL受到PureJaxRL的启发，PureJaxRL曾在JAX上实现了类似的大规模并行环境方案。
CARL并非要取代RocketSim，而是探索利用CUDA在GPU上并行运行物理逻辑的另一条路径。
还有 6 条时间轴事件
全部知识事实 (16)
CARL 训练出的智能体能够无缝迁移到真实游戏中，表明其物理模拟与实际游戏保持了良好的一致性。
60%待验证CARL 是一个将《火箭联盟》物理逻辑移植到 CUDA 上实现的 GPU 并行强化学习仿真项目，全称为 CUDA-Accelerated Rocket League。
60%待验证这种方案适用条件包括：需要物理逻辑足够简洁、能高效并行化，并且任务本身适合大规模环境采样。
50%待验证CARL受到PureJaxRL的启发，PureJaxRL曾在JAX上实现了类似的大规模并行环境方案。
50%待验证CARL并非要取代RocketSim，而是探索利用CUDA在GPU上并行运行物理逻辑的另一条路径。
50%待验证从训练曲线可以看到，机器人在空中控制能力上有明显提升。
50%待验证开发者自嘲说，如果自己亲自操作，可能一个微弱操作就能救回来，言下之意机器人的表现虽然不错，但离人类高手还有距离。
50%待验证开发者接下来的TODO列表包括：内置训练包API、速度和物理一致性基准测试、补充测试和其他工程最佳实践、探索JAX和TensorFlow集成。
50%待验证物理一致性（parity）的评估目前还比较初步，更系统的对比工作还没完成。
50%待验证CARL的核心思路是把所有模拟状态信息保留在GPU显存中，训练过程中完全消除了主机与设备之间的数据传输开销。
50%待验证CARL 项目仍待推进的工作包括：内置训练包 API、速度与一致性基准测试、测试与工程最佳实践、以及 JAX 与 TensorFlow 集成。
50%待验证开发者表示 CARL 目前已达到功能完整状态。
50%待验证CARL 使用与 Nexto 相同的训练配置（包括奖励函数、超参数和网络结构），在数小时内就达到了 Nexto 的水平。
50%待验证CARL在Reddit上发布后引起了不少关注。
50%待验证CARL目前已经“功能完整”，开发者决定开源给社区看看反馈。
50%待验证CARL 项目在 Reddit 上发布后引起了关注。
50%