Agent-Arena: A General Framework for Evaluating Control Algorithms

要約

ロボット研究は本質的に挑戦的であり、多様な環境と制御アルゴリズムの専門知識を必要とします。
アルゴリズムを新しい環境に適応させることは、データ駆動型の方法での広範なハイパーパラメーターチューニングの必要性によって悪化する重大な困難を引き起こすことがよくあります。
これらの課題に対処するために、幅広いベンチマーク環境にわたる意思決定ポリシーの統合、複製、開発、およびテストを合理化するために設計されたPythonフレームワークであるAgent-Arenaを提示します。
既存のフレームワークとは異なり、エージェントアリーナは、あらゆる種類のコントロールアルゴリズムをサポートするためにユニークに一般化されており、シミュレーションとレアルロボットシナリオの両方に適応できます。
GitHubリポジトリhttps://github.com/halid1020/agent-arena-v0をご覧ください。

要約(オリジナル)

Robotic research is inherently challenging, requiring expertise in diverse environments and control algorithms. Adapting algorithms to new environments often poses significant difficulties, compounded by the need for extensive hyper-parameter tuning in data-driven methods. To address these challenges, we present Agent-Arena, a Python framework designed to streamline the integration, replication, development, and testing of decision-making policies across a wide range of benchmark environments. Unlike existing frameworks, Agent-Arena is uniquely generalised to support all types of control algorithms and is adaptable to both simulation and real-robot scenarios. Please see our GitHub repository https://github.com/halid1020/agent-arena-v0.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google