JAXenstein：面向第一人称环境的加速基准测试
机器学习
2026-05-20 v1
摘要
强化学习算法的进步一直由具有挑战性的基准测试驱动。研究者在问题设定上迭代的速度直接影响算法开发的速度。现代机器学习已经产生了像 JAX 库这样允许快速且可扩展算法开发的工具。随着这些工具的出现，算法开发的一个严重瓶颈在于缺乏用于实验的大型复杂领域。最值得注意的是，JAX 强化学习生态系统没有任何测试视觉第一人称任务的基准；这些领域对于测试探索能力和智能体克服部分可观测性的能力至关重要。我们引入了 JAXenstein：一个开源的基于 JAX 的基准测试，它实现了 Wolfenstein 3D 渲染引擎，用于在视觉第一人称任务中进行快速且可扩展的实验。JAXenstein 比同类基于视觉的基准测试快数倍，并且易于扩展到更复杂的第一人称领域。
引用
@article{arxiv.2605.19926,
title = {JAXenstein: Accelerated Benchmarking for First-Person Environments},
author = {Ruo Yu Tao and George Konidaris},
journal= {arXiv preprint arXiv:2605.19926},
year = {2026}
}
备注
Main paper: 5 pages, supplementary material: 3 pages