MiniHack the Planet：一个开放式强化学习研究的沙盒

Sep, 2021

MiniHack the Planet：一个开放式强化学习研究的沙盒

MiniHack the Planet: A Sandbox for Open-Ended Reinforcement Learning Research

Mikayel Samvelyan, Robert Kirk, Vitaly Kurin, Jack Parker-Holder, Minqi Jiang...

TL;DRMiniHack 是一个强大的沙箱框架，用于设计新的深度强化学习（RL）测试环境，其中包含了丰富和复杂的以网格为基础的游戏 NetHack 的所有实体和环境动态，MiniHack 可以使用人类可读的描述语言或简单的 Python 接口来轻松地设计新的 RL 测试环境或整合现有的 RL 基准测试。

Abstract

Progress in deep reinforcement learning (RL) is heavily driven by the availability of challenging benchmarks used for training agents. However, benchmarks that are widely adopted by the community are not explicitly designed for evaluating specific capabilities of RL methods. While ther

deep reinforcement learning minihack rl environments testbeds nethack

发现论文，激发创造

NetHack 学习环境

本文介绍了一种基于 Roguelike 游戏 NetHack 的可扩展、程序生成、随机、丰富且具有挑战性的强化学习环境 NLE，它足够复杂以驱动长期探讨诸如探索、规划、技能获取和语言有条件 RL 等问题的研究，并且在大量经验收集方面大大降低了计算资源的要求。

Jun, 2020

HackAtari：强劲持续增强学习的 Atari 学习环境

通过引入可控的新奇性，我们在 Atari Learning Environment 这一最常见的强化学习基准中提出了 HackAtari 框架，以增强强化学习算法的鲁棒性和行为一致性。

Jun, 2024

发现最小的强化学习环境

通过元学习神经网络马尔可夫决策过程，我们发现专门的训练环境对于训练强化学习智能体具有潜在的速度提升能力，并且发现上下文为基的赌博机能够实现良好的评估环境转移，从而加速下游应用。

Jun, 2024

Katakomba: 数据驱动 NetHack 的工具和基准测试

本文中，我们介绍了 NetHack 这个强化学习研究领域的前沿，提到了一个新的入手点，即使用类似于机器人、推荐系统等其他领域的离线强化学习预收集数据集来取得突破，并提出了该方向目前存在三个障碍，即工具、实现和基准测试。为了解决这个问题，我们开发了一个开源库，提供了流程基本原则、预定义的 D4RL 风格任务，无杂项的基准实现以及可靠的评估工具和与云同步的配置和日志。

Jun, 2023

强化学习自然环境基准

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

面向目标导向任务的模块化、可定制的增强学习环境：Minigrid 和 Miniworld

介绍了 Minigrid 和 Miniworld 库，它们提供了一套目标导向的 2D 和 3D 环境，旨在让用户快速开发出适用于各种研究需求的新环境，两个库都被 RL 社区广泛采用，促进了在广泛领域内的研究。通过案例研究展示了 Minigrid 和 Miniworld 统一 API 带来的额外功能，并且该论文介绍了它们的设计哲学、环境细节和世界生成 API。

Jun, 2023

迷你王者荣耀：一种轻量级多智体强化学习环境

为了解决有限的定制性、高计算需求和过分简化等问题，我们介绍了首个公开可用的《王者荣耀》地图编辑器，并设计了一个轻量级环境 Mini Honor of Kings 供研究人员进行实验。Mini Honor of Kings 在个人电脑上运行效率很高，同时对目前的多智能体强化学习算法提出了足够的挑战。我们已经对常见的多智能体强化学习算法进行了测试，并展示了这些算法在该环境中尚未找到最优解，从而促进了 MARL 方法在研究社区中的传播和发展。此外，我们希望更多的研究人员能利用《王者荣耀》地图编辑器开发出创新且有科学价值的新地图。

Jun, 2024

XLand-MiniGrid：基于 JAX 的可扩展元强化学习环境

我们提出了 XLand-MiniGrid，这是一个基于 XLand 的多样性和深度以及 MiniGrid 的简洁和极简主义所启发的元强化学习研究工具和网格世界环境套件。

Dec, 2023

加速强化学习的人类启发式框架

本文提出了一种基于人类启发的框架以提高采样效率，其中通过逐步提供简单但相似的任务来适应复杂的强化学习任务，并且使用任何转移学习方法来减少样本复杂性而不增加计算复杂性，实验表明该框架能够在优化问题方面表现出良好的性能。

Feb, 2023

NeurIPS 2021 NetHack Challenge 的见解

本文总结了第一次 NeurIPS 2021 NetHack Challenge 的主要论点，该挑战赛旨在使用强化学习或符号学习等方法开发一个程序或代理，与 NetHack 学习环境进行交互，以赢得这个迷宫探索游戏。结果表明，符号 AI 目前在 NetHack 中的表现远优于深度强化学习，并且没有代理成功通关游戏，NetHack 由此成为一个长期的 AI 研究基准。

Mar, 2022