Farama-Foundation/Metaworld

解決的問題

Meta-World 是一個用於開發與評估強化學習（RL）演算法的基準，特別針對連續控制機器人操作。它提供了一種標準化的方式，用以測試 AI 代理在同時處理多個任務（多任務學習）或快速適應新出現的未見任務（元學習）方面的能力。

工作原理

此專案提供一組 50 種不同的機器人操作任務。它與 Gymnasium API 整合，讓研究人員能建立環境，使代理能學習單一任務、一組任務（MT10、MT50），或適應目標變化（ML1）與新任務（ML10、ML45）。

使用者可於同步模式（單一程序）下執行這些環境，以降低計算資源需求；或於非同步模式（隔離程序）下執行，以獲得更高性能。

適用對象

專為從事機器人多任務與元強化學習的研究人員與開發者設計。

主要亮點

• 多任務基準：支援同時學習 1、10 或 50 個任務。
• 元學習基準：包含針對目標變化與新任務的少樣本適應之特定基準。
• Gymnasium 整合：遵循標準的 Gymnasium API，便於環境建立與互動。
• 可自訂：允許使用者透過組合任意數量的 50 個可用環境，建立自訂基準。