MO-Playground多目标强化学习框架发布

1. 12:00
   arXiv cs.RO

   MO-Playground：面向机器人的大规模并行多目标强化学习

   作者提出GPU原生的多目标强化学习算法MORLAX和可pip安装的GPU加速多目标环境库MO-Playground，可在数分钟内近似Pareto集，相比传统CPU方法加速26-271倍，相比此前GPU方法最高加速19倍，同时学到更优的Pareto前沿超体积。团队还实现了自定义BRUCE人形机器人环境，在仿真中针对平滑性、能效和摆臂等6个实际目标学习Pareto最优的运动策略。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。