加州大学伯克利分校 发布 OGBench 数据集, 应用在 强化学习、机器人技术 领域

加州大学伯克利分校 本次发布的数据集 OGBench, OGBench是由加州大学伯克利分校和普林斯顿大学创建的一个高质量的离线目标条件强化学习（GCRL）基准数据集。该数据集包含8种类型的环境和85个数据集，旨在系统评估离线GCRL算法的各种能力，如拼接、长时推理和处理高维输入及随机性。数据集的创建过程经过精心设计，以确保任务的复杂性和现实性，从而能够全面评估算法的性能。OGBench的应用领域主要集中在机器人运动、机器人操作和绘图任务，旨在解决离线GCRL中的多样化挑战。

查看OGBench

README 内容： 

关于 加州大学伯克利分校 , 加州大学伯克利分校是一所位于美国加州的世界顶级公立研究型大学，以其在科研和创新领域的卓越成就闻名于世。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。