Suites de RL del mundo real
Suite RL del mundo real de Google: puntos de referencia estandarizados para el aprendizaje de refuerzo en robots físicos. Licenciado Apache 2.0.
Los puntos de referencia de Google Research para el aprendizaje de refuerzo que funciona en robots físicos. Restricciones de seguridad, ruido, retrasos - las desordenas de la implementación.
Apache 2.0 - Aprendizaje de fortalecimiento de Python abierto / simulación
En general
La Suite RL Real-World aborda una brecha crítica en la investigación RL: la mayoría de los puntos de referencia (Atari, MuJoCo, DMControl) asumen una detección perfecta, accionamiento instantáneo y exploración ilimitada. Esta suite proporciona entornos y protocolos de evaluación que incorporan restricciones de seguridad (no rompan el robot), observabilidad parcial (fallas de los sensores), ruido de observación (las cámaras reales son ruidosas), retrasos en la acción (la latencia de comunicación) y no estacionariedad (cambio de entornos).
Está construido sobre la Suite de Control de DeepMind, pero añade desafíos del mundo real como envolventes configurables, lo que hace que sea sencillo evaluar cuán robusto es cualquier algoritmo RL para las condiciones de despliegue.
Acceso
[Repositorio de GitHub]