记忆、基准与机器人：用于解决强化学习中复杂任务的基准

记忆对于使智能体能够应对具有时空依赖性的复杂任务至关重要。虽然许多强化学习(RL)算法包含记忆功能，但该领域缺乏一个通用的基准来评估智能体在各种情景下的记忆能力。这一差距在桌面机器人操控中尤为突出，因为记忆对于解决具有部分可见性且确保稳健性能的任务至关重要，但尚不存在标准化的基准。为此，我们引入 MIKASA (Memory-Intensive Skills Assessment Suite for Agents)，这是一套全面的记忆强化学习基准，具有三个关键贡献：(1) 我们提出了记忆密集型 RL 任务的全面分类框架；(2) 我们收集了 MIKASA-Base —— 一套统一的基准，使我们能够在多种情景中系统评估具有记忆增强功能的智能体；(3) 我们开发了 MIKASA-Robo (pip install mikasa-robo-suite)，这是一套包含 32 个精心设计的记忆密集型任务的新型基准，用于评估桌面机器人操控中记忆能力。我们的工作提出了统一的框架，以推动记忆强化学习研究，为实际应用构建更稳健的系统。MIKASA 可在 https://tinyurl.com/membenchrobots 访问。