Arena-Web -- 自主导航方法的基于 Web 的开发和基准测试平台

Feb, 2023

Arena-Web -- 自主导航方法的基于 Web 的开发和基准测试平台

Arena-Web -- A Web-based Development and Benchmarking Platform for Autonomous Navigation Approaches

Linh Kästner, Reyk Carstens, Christopher Liebig, Volodymyr Shcherbyna, Lena Nahrworld...

TL;DR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。

Abstract

In recent years, mobile robot navigation approaches have become increasingly important due to various application areas ranging from healthcare to warehouse logistics. In particular, deep reinforcement learning a

mobile robot navigation deep reinforcement learning web-based development navigation planners accessible technology

发现论文，激发创造

Arena-Rosnav 2.0：一个用于机器人在高度动态环境中导航的开发和基准测试平台

介绍了 Arena-Rosnav 2.0 平台，它是 Arena-Bench 和 Arena-Rosnav 的一个扩展，通过增加测评功能的 APIs，集成了更多更真实的仿真和行人行为，它经过了成功的用户研究和可行性测试。

Feb, 2023

WebArena：一个构建自主代理的真实网络环境

建立一个高度逼真和可重现的环境，专注于在网站上执行任务的智能代理，提供一组多样化、长期规划、模拟人类在互联网上例行执行的任务的基准任务以评估任务完成的功能正确性。

Jul, 2023

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

VisualWebArena: 在现实视觉网络任务中评估多模态代理

通过对多模态网络代理的性能进行评估，我们引入了 VisualWebArena，它是一个用于评估自主多模态代理在具有视觉基础任务方面性能的基准。我们对现有的自主代理进行了广泛的评估，并揭示了文本模型的几个限制以及现有多模态语言代理能力上的差距。

Jan, 2024

水下导航：深度强化学习的挑战性基准

深度强化学习在应用于真实世界的机器人系统方面具有令人兴奋和有希望的前景。我们提出了一个基于最新的游戏引擎和深度强化学习整合的新的水下导航基准环境，以解决在不可预测和非稳态环境中训练过程中的挑战。我们使用先进的训练技术对这个基准环境进行了广泛的实证评估，取得了有希望的结果。

May, 2024

自主导航强化学习技术基准测试

本论文介绍了深度强化学习在自主导航中的应用，指出安全性和泛化性等方面的限制，并探讨了四种学习技术及其在新型开源导航基准和实际环境中的应用，以此进行了全面研究。

Oct, 2022

使用深度强化学习的机器人路径规划

本文介绍了如何使用强化学习方法和深度 Q 网络等算法，使得机器人可以在未知环境中进行自主导航的任务。我们还利用模拟环境对机器人代理的行为和性能进行了验证和分析。

Feb, 2023

一个用于无人值守容器化（深层）强化学习的 Webots 架构

通过分离仿真环境和模型开发环境，并使用独立的仿真软件 Webots、机器人操作系统以及容器技术，我们描述了一种无需数据科学家了解仿真软件的方法，重点关注数据科学家所使用的 API 以及在无人值守训练管道中使用独立的仿真软件。

Feb, 2024

WorkArena: Web 代理在解决常见知识工作任务方面有多大能力？

使用基于大型语言模型的代理程序研究通过 web 浏览器与软件的交互。通过提出基于 ServiceNow 平台的 29 个任务的远程托管基准 WorkArena，以及设计和评估此类代理程序的环境 BrowserGym，我们对其性能进行了实证评估，发现目前代理程序在工作区域上有一些潜力，但在实现完全的任务自动化方面还存在相当大的差距。尤其值得注意的是，我们的分析揭示了开源和闭源 LLM（大型语言模型）之间的显著性能差异，突出了该领域未来研究和发展的重要方向。

Mar, 2024

DIAMBRA Arena: 强化学习新研究平台

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。

Oct, 2022