Policy Quantization Benchmark for Efficient Robot Learning是一个面向高效机器人学习的策略量化基准测试。该基准评估了不同策略量化方法（训练后量化、量化感知训练、混合精度量化、二值化）和压缩技术（剪枝、低秩分解）在机器人控制任务中的压缩率-性能权衡。基准提供了多样化的任务集合和标准化的量化评估协议，分析了比特宽度、量化粒度、校准数据对量化后策略性能的影响，并在边缘硬件上评估了量化策略的实时推理性能和功耗。来源机构包括MIT、CMU、Oxford等。