Gymnasium-Robotics

Ambienti di benchmark per l'RL in robotica per Gymnasium, della Farama Foundation

Licenza

MIT

Panoramica

Gymnasium-Robotics fornisce la suite di benchmark di riferimento della comunità robotica per l'apprendimento per rinforzo, mantenuta dalla Farama Foundation come successore ufficiale degli ambienti robotici di OpenAI Gym. Include la manipolazione con il braccio Fetch, il controllo della mano ad alta destrezza Shadow, MuJoCo multi-agente, la navigazione nei labirinti, i compiti con la mano Adroit e gli ambienti Franka Kitchen, tutti con un'API Gymnasium coerente e supporto multi-obiettivo.

Gymnasium-Robotics fornisce ambienti standardizzati di apprendimento per rinforzo per la manipolazione e la navigazione robotica, basati sull'API Gymnasium e sulla fisica MuJoCo. Include compiti con il braccio Fetch, il controllo della Shadow Hand, scenari multi-agente, navigazione nei labirinti, compiti con la mano Adroit e Franka Kitchen.

Perché è importante

I benchmark standardizzati sono essenziali per una ricerca sull'RL riproducibile. Gymnasium-Robotics è il successore ufficiale degli ambienti robotici di OpenAI Gym, mantenuto dalla Farama Foundation, ed è quindi lo standard di fatto a cui fanno riferimento praticamente tutti gli articoli e i tutorial sull'RL in robotica.

Il problema che risolve

Valutare gli algoritmi di RL per la robotica richiede ambienti standardizzati e riproducibili. Gymnasium-Robotics fornisce questi benchmark con API, strutture di ricompensa e spazi di osservazione coerenti, per un confronto equo tra algoritmi.

Punti chiave

• Benchmark di RL in robotica, standard di fatto usati in tutto il settore
• Ambienti Fetch, Shadow Hand, MaMuJoCo, Maze, Adroit e Franka Kitchen
• API multi-obiettivo con supporto per Hindsight Experience Replay (HER)
• Installabile con pip e con un'API Gymnasium coerente

A chi si rivolge

• Ricercatori di apprendimento per rinforzo che hanno bisogno di benchmark robotici standard
• Ingegneri robotici che valutano approcci di RL per la manipolazione
• Docenti di corsi sull'apprendimento dei robot

Limiti

• Fisica semplificata rispetto ai robot reali
• Limitato al backend fisico MuJoCo
• I compiti rappresentano scenari vincolati rispetto alla complessità della manipolazione nel mondo reale