ROBEL：基于低成本机器人的学习机器人基准平台
机器人学
2019-12-17 v3 机器学习
机器学习
摘要
ROBEL是一个开源的低成本机器人平台，专为现实世界中的强化学习而设计。ROBEL引入两台机器人，各自旨在加速不同任务领域的强化学习研究：D'Claw是一个三指手机器人，便于学习灵巧操作任务；D'Kitty是一个四足机器人，便于学习敏捷腿式运动任务。这些低成本模块化机器人易于维护，且足够鲁棒，可支持从零开始在机强化学习，迄今在其上已记录超过14000小时训练时长。为利用该平台，我们为每台机器人提出一组可扩展的连续控制基准任务。这些任务具有稠密与稀疏任务目标，并额外引入作为硬件安全指标的评分度量。我们使用多种基于学习的方法在初始任务集上提供基准分数。此外，我们表明这些结果可在不同机构拥有的机器人副本上复现。代码、文档、设计文件、详细装配说明、最终策略、基线细节、任务视频以及复现结果所需的所有补充材料均可在 www.roboticsbenchmarks.org 获取。
引用
@article{arxiv.1909.11639,
title = {ROBEL: Robotics Benchmarks for Learning with Low-Cost Robots},
author = {Michael Ahn and Henry Zhu and Kristian Hartikainen and Hugo Ponte and Abhishek Gupta and Sergey Levine and Vikash Kumar},
journal= {arXiv preprint arXiv:1909.11639},
year = {2019}
}
备注
Published @ CoRL2019. For details visit - http://www.roboticsbenchmarks.org