NIST 发布 NIST Assembly Benchmark 数据集, 应用在 工业自动化、深度强化学习 领域

NIST 本次发布的数据集 NIST Assembly Benchmark, 该数据集包含了针对不同工业装配任务的深度强化学习（DRL）策略性能评估的实验试验，重点关注这些策略在不同条件下的鲁棒性和可靠性。数据集涵盖了在各种条件下的试验，包括扰动误差和动态环境，旨在评估DRL策略的泛化能力。该数据集规模为13096次试验，成功率达到了99.8%。涉及的工业装配任务包括电路板插入、HDMI插入和钥匙锁插入等。

查看NIST Assembly Benchmark

关于 NIST , NIST是美国国家标准与技术研究院（National Institute of Standards and Technology）的缩写，是一个旨在促进美国经济繁荣和改善生活质量的联邦机构，通过制定和推广标准、测量和科技服务来实现这一目标。

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。