介绍用于强化学习的行为套件 ——bsuite，它是一系列经过精心设计的实验，目的在于收集和研究能够捕捉通用和高效学习算法设计核心问题的清晰、有信息量和可扩展的问题，以及通过这些共享基准测试评估代理人行为，这一库使用 Python 编写，容易嵌入现有项目，并通过 github.com/deepmind/bsuite 开源。

Aug, 2019

ROBEL 平台介绍了 D'Claw 和 D'Kitty 两种机器人，旨在加速强化学习研究，提供了可持续硬件强化学习的任务目标，并提供多种基于学习的方法的基准得分，可以在 www.roboticsbenchmarks.org 上获得所有必要的材料。

Sep, 2019

ORBIT 是一个统一的、模块化的机器人学习框架，由 NVIDIA Isaac Sim 提供支持。它采用模块化设计，可以轻松、高效地创建具有照片级真实场景和快速、精确刚性和可变形体模拟的机器人环境。它还提供了各种难度的基准任务，可以支持各种研究领域，包括表示学习、强化学习、模仿学习和任务规划等。

Jan, 2023

通过 Scilab-RL 软件框架，研究人员能够有效进行认知建模和强化学习方面的研究，特别注重基于目标的强化学习和实验可视化，最大限度地提高研究产出。

Jan, 2024

本研究介绍了一种名为 BenchBot 的软件套件，该套件旨在通过在逼真的 3D 模拟和现实机器人平台上进行评估来评估机器人研究的表现。BenchBot 为使用者提供了一种接口，用于解决机器人研究问题时机器人的机感能力。同时我们说明了使用 BenchBot 系统的研究优势，包括：增强了专注于研究问题、直接量化反馈信息以促进研究发展、工具用于派生全面的性能特征、以及促进研究结果的可共享和可重复性的提交格式。

Aug, 2020

该论文探讨了将模块化 RL 方法应用于 Mujoban 任务的可行性，并证明了模块化 RL 方法比仅有一个单一 RL 代理的方法更加优越。

Oct, 2020

本文介绍 CompoSuite，一个开源的模拟机器人操作基准测试，用于对复合多任务强化学习进行基准测试，评估现有单任务、多任务和组合学习算法在不同训练设置下的能力，并评估它们对未见任务的组成归纳能力，以此暴露现有 RL 方法在组合性方面存在的缺陷及问题。

Jul, 2022

PyRobot 是一个开放源代码的机器人框架，提供了高层次的机器人 API 以控制不同的机器人，并通过抽象化细节，为非机器人研究人员提供了便利，旨在为研究生态系统提供便捷的机器人数据集、算法和模型的访问，并降低机器人进入门槛。

Jun, 2019

DeepMind Control Suite 是一套标准化结构和可解释奖励的连续控制任务，旨在作为强化学习代理的性能基准。这些任务用 Python 编写并由 MuJoCo 物理引擎驱动，易于使用和修改，并包括对数种学习算法的基准测试。

Jan, 2018

通过自然语言提示和来自机器人操作系统（ROS）的上下文信息，我们提出了一个直观的非专业人士机器人编程框架。该框架集成了大型语言模型（LLMs），使非专业人士能够通过聊天界面向系统表达任务要求。它具有与 ROS 集成的 AI 代理与大量开源和商用 LLMs 的连接、从 LLM 输出中提取行为和执行 ROS 动作 / 服务的自动化提取、支持三种行为模式（顺序、行为树、状态机）、模仿学习以将新的机器人行为添加到可能的动作库中以及通过人类和环境反馈实现 LLM 反思的功能。大量实验证实了该框架在各种场景（包括长时间视野任务、桌面重新排列和远程监督控制）中的鲁棒性、可扩展性和多功能性。为了促进我们框架的使用和支持我们结果的可复制性，我们已经将我们的代码开源。您可以在以下网址访问：this https URL

Jun, 2024