S-RL Toolbox：用于状态表示学习的环境、数据集与评估指标
机器学习
2018-10-11 v2 机器学习
摘要
状态表示学习旨在从机器人与控制应用的原始观测中学习紧凑表示。用于该目标的方法包括自动编码器、学习前向模型、逆动力学或利用状态特征的通用先验进行学习。然而，应用与方法的多样性使该领域缺乏标准评估数据集、指标与任务。本文提供一组环境、数据生成器、机器人控制任务、指标与工具，以促进强化学习设定下迭代式的状态表示学习与评估。
引用
@article{arxiv.1809.09369,
title = {S-RL Toolbox: Environments, Datasets and Evaluation Metrics for State Representation Learning},
author = {Antonin Raffin and Ashley Hill and René Traoré and Timothée Lesort and Natalia Díaz-Rodríguez and David Filliat},
journal= {arXiv preprint arXiv:1809.09369},
year = {2018}
}
备注
Github repo: https://github.com/araffin/robotics-rl-srl Documentation: https://s-rl-toolbox.readthedocs.io/en/latest/