Real-World RL Suite
Real-World RL Suite von Google: Standardisierte Benchmarks für Verstärkung des Lernens auf physischen Robotern. Apache 2.0 lizenziert. Sim-to-Real-Transfer und Sicherheitsbeschränkungen.
Google Research-Befragungswerte für das Verstärkungslernen, das auf physischen Robotern funktioniert. Sicherheitsbeschränkungen, Lärm, Verzögerungen - die chaotischen Realitäten des Einsatzes.
Apache 2.0 - Open Python / Simulation Verstärkung des Lernens
Überblick
Die Real-World RL Suite behebt eine kritische Lücke in der RL-Forschung: Die meisten Benchmarks (Atari, MuJoCo, DMControl) gehen von perfekter Sensorik, sofortiger Aktivierung und unbegrenzter Erkundung aus. Diese Suite bietet Umgebungen und Bewertungsprotokolle, die Sicherheitsbeschränkungen (nicht den Roboter brechen), teilweise Beobachtbarkeit (Sensoren versagen), Beobachtungslärm (echte Kameras sind laut), Aktionsverzögerungen (Kommunikationslatenz) und Nichtstationarität (Umgebung verändern) enthalten.
Es ist auf der DeepMind Control Suite aufgebaut, fügt aber realistische Herausforderungen als konfigurierbare Wrapper hinzu, sodass es einfach ist, zu bewerten, wie robust ein RL-Algorithmus für Einsatzbedingungen ist.
Zugriff
[GitHub Repository]