сбор траекторий , классический bottleneck в RL, особенно для стохастических игр типа шахмат где эксплорейшн критичен. ускорить можно либо распределённым сбором на нескольких инстансах, либо GPU-инференсом при rollout'ах. я под такие задачи беру почасовые GPU на regcloud , A100 или T4 в зависимости от budget, параллельно несколько воркеров запускаю.jupyterhub там из коробки есть, удобно деплоить