gymnasium
PulseAugur coverage of gymnasium — every cluster mentioning gymnasium across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新基准评估AI代理在能源市场中的可信度
研究人员推出SolarChain-Eval，一个旨在评估在去中心化能源市场中运行的AI代理可信度的新基准。该基准纳入了物理约束，用于评估代理在市场效用之外的指标，包括物理安全性、滑点和可审计性。实验表明效用和安全性之间存在权衡，强化学习代理提高了效用但可能表现出不安全行为。基于LLM的规划/审计层可以提高可审计性并减轻一些风险，但不能完全弥补奖励函数定义不当的问题。
-
新研究重新审视复杂强化学习空间中的动作分解 · 跟踪到2个来源
一篇新的研究论文探讨了在强化学习中处理复杂动作空间的方法，特别是那些结合了离散动作和连续动作的动作空间。该研究分析了不同算法和环境中的各种分解技术，并引入了两个新的并行环境 CoopPush 和 Hybrid-Shoot 来促进这项研究。研究结果表明，分支对决架构在计算和性能之间取得了良好的平衡，而自回归动作（Auto-Regressive actions）取得了最高的整体性能，尽管原生连续 SAC 尽管计算成本更高，但表现更优。
-
新的SciVerseGym环境标准化了AI驱动的晶体发现
研究人员开发了SciVerseGym，一个与Gymnasium兼容的新环境，将晶体发现构建为马尔可夫决策过程。该平台允许智能体与原子结构进行交互，应用编辑，并从评估器那里获得反馈。SciVerseGym支持多种操作，包括元素替换和晶格扰动，并且可以配置不同的化学空间和观察类型。它旨在为材料科学中的强化学习、贝叶斯优化和其他AI驱动的方法提供一个标准化的、可扩展的测试平台。
-
新的 MuJoCo-Drones-Gym 模拟器增强了多无人机强化学习研究
研究人员开发了 MuJoCo-Drones-Gym，这是一个用于多无人机强化学习的开源模拟环境。它构建在 MuJoCo 物理引擎之上，提供 GPU 加速，并支持灵活的物理模型、动作接口和观察空间。该环境旨在解决物理保真度、多智能体能力以及深度强化学习所需的高吞吐量之间的权衡问题。
-
新基准测试AI在道德困境中的层级道德对齐能力
研究人员开发了MoralityGym，一个旨在评估AI代理在复杂道德困境中导航和遵守层级道德规范能力的新基准。该基准使用一种称为Morality Chains的新形式主义来表示道德约束，并在Gymnasium环境中呈现了98个电车难题风格的问题。使用安全强化学习（Safe RL）方法的初步测试突显了AI在道德推理方面的现有局限性，表明需要更先进的方法来确保AI系统在现实场景中以合乎道德且透明的方式运行。
-
新的DR-Gym环境训练AI应对电力公司需求响应
研究人员开发了DR-Gym，这是一个开源的、兼容Gymnasium的环境，用于训练强化学习智能体以优化电力公司的需求响应计划。该模拟器通过创建一个真实的、市场层面的环境来解决离线数据限制的挑战，该环境捕捉了电力公司定价与客户适应之间的交互反馈。DR-Gym具有一个制度切换的批发价格模型、基于物理的建筑需求曲线以及一个可配置的多目标奖励函数，以支持电网灵活性和能源可负担性的多样化学习目标。
-
新的EO-Gym环境训练AI代理进行交互式地球观测分析
研究人员推出了EO-Gym，这是一个专为地球观测（EO）代理设计的交互式框架。该环境支持多模态分析和工具使用，模拟现实世界中经常涉及扩展感兴趣区域和检索不同传感器历史数据的EO任务。创建了一个包含超过9000个轨迹的基准数据集EO-Gym-Data来评估代理性能，结果显示当前的大型视觉语言模型在交互式EO推理方面存在困难。在EO-Gym-Data上微调Qwen模型显著提高了其在这些任务上的性能。