DIAMBRA Arena: 强化学习新研究平台

Oct, 2022

DIAMBRA Arena: a New Reinforcement Learning Platform for Research and Experimentation

Alessandro Palmas

TL;DR介绍了 DIAMBRA Arena 这个具有高质量环境和遵循 OpenAI Gym 标准 Python API 接口的新学习平台，它支持单人和多人模式，可用于标准的强化学习、多智能体、人工智能和人机协同学习等主题。利用 DIAMBRA Arena 成功地训练出多个深度强化学习智能体，可获得类似人类的行为。结果证实了 DIAMBRA Arena 作为一个研究工具的实用性，提供了设计用于研究该领域中一些最具挑战性主题的环境。

Abstract

The recent advances in reinforcement learning have led to effective methods able to obtain above human-level performances in very complex environments. However, once solved, these environments become less valuable, and new challenges with different or more complex scenarios are needed

reinforcement learning diambra arena python api multi-agent proximal policy optimization

发现论文，激发创造

Arena：多智能体智能评估平台和构建工具包

介绍了一个名为 Arena 的多智能体通用评估平台，其中包含 35 个逻辑和表述多样的游戏，以及可视化的社会树和五种基本的多智能体奖励机制，为研究人员提供了一个易于发明和构建新的多智能体问题的建模工具包，还提供了五个最先进的深度多智能体强化学习基线的 Python 实现和一组我们可以使用不同的训练方案训练的每个游戏的 100 个最佳的代理 / 团队，作为评估群体表现的基础，以便研究人员可以在稳定和统一的标准下进行比较。

May, 2019

Arena-Web -- 自主导航方法的基于 Web 的开发和基准测试平台

本文介绍了 Arena-Web，一个基于 web 的开发和评估套件，用于开发、训练和测试各种机器人平台和场景的 DRL 导航规划器。该界面旨在直观而富有吸引力，为非专业人员提供易于使用的技术，通过 Arena-Web，训练和开发深度强化学习代理人变得简单易行，无需编写一行代码。

Feb, 2023

Alexa Arena: 面向用户的交互式平台 —— 拥抱智能体验的新世界

介绍了人机交互仿真平台 Alexa Arena，提供多房间布局和互动对象，支持开发面向人类用户的、可游戏化的机器人任务，以支持高效的人机交互数据收集和嵌入式智能体系统评估，并提供了基准结果。

Mar, 2023

强化学习任务导向对话管理基准测试环境

本文旨在提供用于对话模型开发与评估的一组具有挑战性的模拟环境，其中包括常用的参数算法和非参数算法，并使用公共 PyDial 工具包实现了这些环境和策略模型，以建立一个实验测试平台并促进可重现性的实验。

Nov, 2017

Google Research Football: 一种新的强化学习环境

介绍了一项新的强化学习环境 - 谷歌足球环境，提供支持多人和多代理实验的虚拟学习环境和用于测试和展示强化学习算法的三种难度场景与一组更简单的场景。

Jul, 2019

多智能体竞争引发的紧急复杂性

本文介绍了几种在三维环境中进行竞争多智能体自我对抗训练的方法，这些方法可以训练出丰富多彩、技能复杂的智能体。此外，我们指出，自我对抗训练可以产生超出环境本身复杂性的行为，并且自带课程设置，有助于智能体学习不同难度水平下的技能。

Oct, 2017

深度强化学习在 Atari 上真的超越人类了吗？平衡竞技场

介绍了 SABER 工具以及 human world records baseline, 通过 SABER 对当前最先进的 Rainbow 项目进行了评估，通过将 Implicit Quantile Networks 添加到 Rainbow 中提出了 Rainbow-IQN 算法用于提高性能。

Aug, 2019

一个以工业控制问题为基础的基准测试环境

本研究介绍了一个用于桥接软件基准测试和真实工业应用的工业基准测试，并公开了其 Java 和 Python 代码及 OpenAI Gym 封装器。该基准测试设计为捕捉真实工业控制问题中常见情况的原型实验设置。

Sep, 2017

BricksRL：用乐高教育平台实现机器人与强化学习研究民主化

BricksRL 是一个用于加强学习研究和教育的平台，它通过与 TorchRL 库连接，实现了在现实世界中创建、设计和训练定制的 LEGO 机器人，通过蓝牙双向通信与 LEGO 智能中枢交互，从而实现了 GPU 上的最先进的加强学习训练，为各种 LEGO 构建提供了灵活和高效的扩展方法。

Jun, 2024

多智能体交互的深度强化学习

本文概述了自主智能体的研究领域和目标，围绕多智能体强化学习、协作、与其他自主智能体的互动、基于内部动机的学习、课程学习等问题提出了自主智能体的开放性问题。

Aug, 2022