RobocupGym：Robocup中一个具有挑战性的连续控制基准
机器人学
2024-07-23 v1 机器学习
摘要
强化学习（RL）在过去十年中取得了长足进步，其中很大一部分进展是由基准驱动的。许多基准专注于视频或棋盘游戏，而大量的机器人基准缺乏多样性和现实世界的适用性。在本文中，我们旨在简化在Robocup 3D仿真联赛（一项机器人足球竞赛）中应用强化学习的过程。为此，我们引入了一个基于开源rcssserver3d足球服务器的Robocup强化学习环境、简单的预定义任务，以及与流行的强化学习库Stable Baselines 3的集成。我们的环境能够在机器人足球仿真中创建高维连续控制任务。在每个任务中，一个强化学习智能体控制一个模拟的Nao机器人，并可以与球或其他智能体互动。我们在https://github.com/Michael-Beukman/RobocupGym开源了我们的环境和训练代码。
引用
@article{arxiv.2407.14516,
title = {RobocupGym: A challenging continuous control benchmark in Robocup},
author = {Michael Beukman and Branden Ingram and Geraud Nangue Tasse and Benjamin Rosman and Pravesh Ranchod},
journal= {arXiv preprint arXiv:2407.14516},
year = {2024}
}