Q-Learning Policy Benchmark for Robot Manipulation是一个面向机器人操作的Q学习策略基准测试。该基准包含多种操作任务，提供了标准化的Q学习策略训练和评估协议。基准测试了DQN、Double DQN、Dueling DQN、Rainbow等Q学习算法在任务成功率、数据效率、训练稳定性方面的表现，评估指标包括任务成功率、数据效率、训练稳定性、超参数敏感性、样本复杂度。来源机构包括Google Robotics、UC Berkeley、OpenAI等。
Q-Learning Policy Benchmark for Robot Manipulation
Q-Learning Policy Benchmark for Robot Manipulation是一个面向机器人操作的Q学习策略基准测试。该基准包含多种操作任务，提供了标准化的Q学习策略训练和评估协议。基准测试了DQN、Double DQN、Dueling DQN、Rainbow等Q学习算法在任务成功率、数据效率、训练稳定性方面的表现，评估指标包括任务成功率、数据效率、训练稳定性、超参数敏感性、样本复杂度。来源机构包括Google Robotics、UC Berkeley、OpenAI等。
测试方法与条件
标准化Q学习策略训练与评估协议