panda-gym：面向机器人学习的开源目标条件环境
机器学习
2021-12-21 v2
摘要
本文提出 panda-gym，一套为 Franka Emika Panda 机器人集成 OpenAI Gym 的强化学习（RL）环境。包含五项任务：reach、push、slide、pick & place 和 stack。它们均遵循多目标 RL 框架，允许使用面向目标的 RL 算法。为促进开放研究，我们选用开源物理引擎 PyBullet。本包所采用的实现允许非常容易地定义新任务或新机器人。本文还给出了使用当前最优无模型离策略算法获得的基线结果。panda-gym 为开源软件，可在 https://github.com/qgallouedec/panda-gym 免费获取。
引用
@article{arxiv.2106.13687,
title = {panda-gym: Open-source goal-conditioned environments for robotic learning},
author = {Quentin Gallouédec and Nicolas Cazin and Emmanuel Dellandréa and Liming Chen},
journal= {arXiv preprint arXiv:2106.13687},
year = {2021}
}
备注
NeurIPS 2021 Workshop on Robot Learning: Self-Supervised and Lifelong Learning