RMBench：面向机械臂控制的深度强化学习基准测试
机器人学
2023-03-08 v3 人工智能
摘要
强化学习被应用于从高维感官输入中解决实际复杂任务。过去十年已开发出大量强化学习算法。近期进展得益于利用深度学习表征原始感官信号。一个自然产生的问题是：它们在不同的机械臂操作任务上表现如何？基准测试使用客观性能指标，为算法比较提供科学方法。本文提出RMBench，首个面向具有高维连续动作与状态空间的机械臂操作的基准。我们实现并评估了直接使用观测像素作为输入的强化学习算法。我们报告其平均性能与学习曲线，以展示其性能与训练稳定性。我们的研究结论是：所研究的算法均无法很好地处理所有任务，软Actor-Critic在平均奖励与稳定性上优于大多数算法，且结合数据增强的算法可能有助于学习策略。我们的代码公开于 https://github.com/xiangyanfei212/RMBench-2022，包含全部基准任务与研究算法。
引用
@article{arxiv.2210.11262,
title = {RMBench: Benchmarking Deep Reinforcement Learning for Robotic Manipulator Control},
author = {Yanfei Xiang and Xin Wang and Shu Hu and Bin Zhu and Xiaomeng Huang and Xi Wu and Siwei Lyu},
journal= {arXiv preprint arXiv:2210.11262},
year = {2023}
}
备注
8 pages, 3 figures, 2 tables; update code's link