InstaDeep 发布 Off-the-Grid Multi-Agent Reinforcement Learning (OG-MARL) 数据集, 应用在 多代理强化学习、人工智能 领域

InstaDeep 本次发布的数据集 Off-the-Grid Multi-Agent Reinforcement Learning (OG-MARL), OG-MARL 是一个为离线多代理强化学习研究设计的增长数据集库，由InstaDeep和开普敦大学合作创建。该数据集提供了多种环境动态、异构代理、非平稳性、多代理、部分可观测性、次优性、稀疏奖励和示范协调等特性的设置，以模拟真实世界系统。数据集包括不同类型的数据集（如Good, Medium, Poor, Replay），并详细描述了每个数据集的经验组成。OG-MARL旨在作为社区可靠的数据集来源，推动该领域的进步和为新研究者提供入门点。数据集适用于开发有效的分散控制器，解决如交通管理、能源管理等实际问题。

查看Off-the-Grid Multi-Agent Reinforcement Learning (OG-MARL)

README 内容： 

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。