Gym4ReaL：用于基准测试真实世界强化学习的套件
机器学习
2025-07-02 v1 人工智能
摘要
近年来，强化学习（RL）在广泛的模拟环境中取得了超人表现。随着研究向真实世界应用迈进，该领域面临一系列固有的挑战，如大规模状态-动作空间、非平稳性和部分可观测性。尽管这些挑战至关重要，但当前基准测试往往聚焦于理想化、完全可观测且平稳的环境，往往未能显式地纳入真实世界的复杂性。本文介绍 \texttt{Gym4ReaL}，一个为支持在真实世界情景下开发和评估 RL 算法的综合套件。该套件包括多样化任务，使算法面临各种实际挑战。我们的实验结果表明，在这些环境中，标准 RL 算法在竞争性规则基准时仍显示优势，动机鼓励开发新方法以充分发挥 RL 应对真实世界任务复杂性的潜力。
引用
@article{arxiv.2507.00257,
title = {Gym4ReaL: A Suite for Benchmarking Real-World Reinforcement Learning},
author = {Davide Salaorni and Vincenzo De Paola and Samuele Delpero and Giovanni Dispoto and Paolo Bonetti and Alessio Russo and Giuseppe Calcagno and Francesco Trovò and Matteo Papini and Alberto Maria Metelli and Marco Mussi and Marcello Restelli},
journal= {arXiv preprint arXiv:2507.00257},
year = {2025}
}
备注
9 pages