OffWorld Gym：用于真实世界强化学习基准与研究的可公开访问物理机器人环境
机器学习
2020-12-16 v4 人工智能
机器人学
机器学习
摘要
应用机器学习的成功案例可追溯到作为社区挑战而提出的那些数据集与环境。社区设为基准的挑战通常就是社区最终解决的挑战。强化学习研究的终极挑战是训练真实智能体在真实环境中运行，但迄今为止尚无通用的真实世界 RL 基准。在本工作中，我们展示了来自 OffWorld Gym 的一个原型真实世界环境——一套面向机器人强化学习、可免费公共远程访问的真实世界环境集合。与现有生态系统的紧密集成使社区无需任何机器人先验经验即可开始使用 OffWorld Gym，并将物理机器人系统的管理负担抽象在熟悉的 API 之下。我们引入了一项导航任务，其中机器人仅使用相机输入在崎岖地形上抵达视觉信标，并给出了真实环境与仿真复现中的基线结果。若要开始训练，请访问 https://gym.offworld.ai
引用
@article{arxiv.1910.08639,
title = {OffWorld Gym: open-access physical robotics environment for real-world reinforcement learning benchmark and research},
author = {Ashish Kumar and Toby Buckley and John B. Lanier and Qiaozhi Wang and Alicia Kavelaars and Ilya Kuzovkin},
journal= {arXiv preprint arXiv:1910.08639},
year = {2020}
}