基准

RoboWorld

一个用于机器人强化学习的仿真基准测试集，包含多个仿真环境和RL测试/训练环境，用于评估模型在物理约束下的长程任务表现。

时间轴 (近 90 天)

10月30日

RoboWorld 数据集包含 25 个仿真，合计 25 个测试用和 175 个训练用强化学习环境，难度分布在多个层级上。

待验证50%

10月30日

在 RoboWorld 基准测试中，当前最强的前沿模型在每个测试任务上均失败，平均奖励只有 0.06。

待验证50%

10月30日

RoboWorld 论文提出了四条提升模型能力的路径：重复尝试中的上下文学习、特权教师方案、自我辅助学习、代码策略方法。

待验证50%

RoboWorld 数据集包含 25 个仿真，合计 25 个测试用和 175 个训练用强化学习环境，难度分布在多个层级上。

在 RoboWorld 基准测试中，当前最强的前沿模型在每个测试任务上均失败，平均奖励只有 0.06。

RoboWorld 论文提出了四条提升模型能力的路径：重复尝试中的上下文学习、特权教师方案、自我辅助学习、代码策略方法。