Model-Based Reinforcement Learning Benchmark for Robotics是机器人基于模型强化学习领域的标准评测基准，涵盖世界模型学习、规划与控制、Dyna架构、模型预测控制、不确定性感知等核心任务。基准提供机器人操作、导航、抓取、运动控制等多种任务的数据集，支持Dreamer、MBPO、PlaNet、PETS、MuZero等多种算法对比，集成不同模型复杂度和规划深度的实验设置。基准评测指标包括渐近性能、样本效率、模型误差、规划效率、计算效率，支持不同任务、不同模型类型、不同规划深度的实验设置。基准由多所高校和研究机构联合维护，已成为机器人基于模型强化学习研究的标准评测平台。
Model-Based Reinforcement Learning Benchmark for Robotics
Model-Based Reinforcement Learning Benchmark for Robotics是机器人基于模型强化学习领域的标准评测基准，涵盖世界模型学习、规划与控制、Dyna架构、模型预测控制、不确定性感知等核心任务。基准提供机器人操作、导航、抓取、运动控制等多种任务的数据集，支持Dreamer、MBPO、PlaNet、PETS、MuZero等多种算法对比，集成不同模型复杂度和规划深度的实验设置。基准评测指标包括渐近性能、样本效率、模型误差、规划效率、计算效率，支持不同任务、不同模型类型、不同规划深度的实验设置。基准由多所高校和研究机构联合维护，已成为机器人基于模型强化学习研究的标准评测平台。
测试方法与条件
基于模型强化学习实验，评估不同算法的样本效率和渐近性能