Gymnasium-Robotics

Environnements de benchmark RL robotique pour Gymnasium, de la Farama Foundation

Licence

MIT

Aperçu

Gymnasium-Robotics fournit la suite de benchmarks de référence de la communauté robotique pour l'apprentissage par renforcement, maintenue par la Fondation Farama comme successeur officiel d'OpenAI Gym Robotics. Elle inclut la manipulation avec le bras Fetch, le contrôle de main dextre Shadow, le MuJoCo multi-agent, la navigation en labyrinthe, les tâches de main Adroit et les environnements Franka Kitchen — le tout avec une API Gymnasium cohérente et un support multi-objectifs.

Gymnasium-Robotics fournit des environnements standardisés d'apprentissage par renforcement pour la manipulation et la navigation robotiques en utilisant l'API Gymnasium et la physique MuJoCo. Il inclut les tâches du bras Fetch, le contrôle Shadow Hand, les scénarios multi-agents, la navigation en labyrinthe, les tâches de main Adroit et Franka Kitchen.

Pourquoi c'est important

Les benchmarks standardisés sont essentiels pour une recherche reproductible en RL. Gymnasium-Robotics est le successeur officiel d'OpenAI Gym Robotics maintenu par la Fondation Farama, ce qui en fait le standard de facto référencé par pratiquement chaque article et tutoriel de RL robotique.

Le problème résolu

L'évaluation des algorithmes de RL pour la robotique nécessite des environnements standardisés et reproductibles. Gymnasium-Robotics fournit ces benchmarks avec des API cohérentes, des structures de récompense et des espaces d'observation pour une comparaison équitable des algorithmes.

Points clés

• Benchmarks RL robotiques standard de facto utilisés dans tout le domaine
• Environnements Fetch, Shadow Hand, MaMuJoCo, Maze, Adroit, Franka Kitchen
• API Multi-Goal avec support de Hindsight Experience Replay (HER)
• Installable via pip avec une API Gymnasium cohérente

Pour qui

• Chercheurs en apprentissage par renforcement nécessitant des benchmarks robotiques standard
• Ingénieurs en robotique évaluant des approches RL pour la manipulation
• Enseignants dispensant des cours d'apprentissage robotique

Limites

• Physique simplifiée par rapport aux robots réels
• Limité au backend physique MuJoCo
• Les tâches représentent des scénarios contraints par rapport à la complexité de manipulation réelle