本文提出了三类全新的强化学习基准测试领域，包含了一定数量的自然世界的复杂性，同时支持快速而广泛的数据采集，此举将挑战强化学习社区开发更加稳健的算法以满足高水准的评估要求。

Nov, 2018

通过在多个商业机器人上实施我们引入的多个强化学习任务，通过对其四种增强学习算法的学习性能进行测试并分析其对超参数的灵敏度，揭示出这些算法的实际应用性。我们发现现代学习算法对超参数非常敏感，为了获得最佳性能需要为每个任务重新调整参数。

Sep, 2018

CARL 是一个基于理论框架的 RL 基准环境集合，包含了多个经典控制，物理模拟，游戏和实际应用领域任务，该研究证明了在考虑上下文时，从策略学习中分离状态的表征学习可以更好地实现泛化。

Oct, 2021

通过对 rigorous experiment designs 的计算成本的探究，本研究提倡使用额外的实验范式来克服 benchmarking 的局限性。

Jun, 2024

本文针对强化学习在实际问题中难以部署的问题，提出了一系列的挑战，并通过 Markov 决策过程定义这些挑战并分析其影响，同时探讨了一些现有的解决方法。为了验证算法的可部署性，我们提出并开源了 realworldrl-suite 套件作为一个基准测试集。

Mar, 2020

本文为了推动模型基强化学习（Model-based Reinforcement Learning, MBRL）的研究，收集了大量 MBRL 算法，并提出了 18 个为 MBRL 特别设计的基准环境来评估这些算法，并探讨了 MBRL 算法之间的主要差异和研究挑战。

Jul, 2019

Open RL Benchmark 是第一个旨在提高和促进领域内研究人员工作的 RL 基准，它包含了一套完全跟踪的 RL 实验数据，以及算法特定和系统度量，成功复现了超过 25000 次运行的 RL 实验，涵盖了多个 RL 库和参考实现，并提供简单易用的命令行界面供使用。

Feb, 2024

通过开发一套简单的诊断任务，并对常见的奖励学习和模仿学习算法进行评估，本研究证实算法的性能高度依赖于实现细节，其中还揭示了套件如何确定设计缺陷并快速评估解决方案的案例研究。

Dec, 2020

RLBench 是一个机器人学习的挑战性基准和学习环境，旨在加速包括强化学习、模仿学习、几何计算机视觉和少样本学习在内的一些视觉导向操作研究领域的进展。

Sep, 2019

本文提出了一个名为 NeoRL 的近实际场景离线强化学习基准，对现有的离线 RL 算法进行了评估，并提出了应该将策略的性能与确定性行为策略版本相比较，从而在现实中实现 RL 技术应用的验证和部署。

Feb, 2021