arXiv cs.AI· Xi Chen, Fengqi Hu, Zeyu Shen, Jiaying Xu, Shangding Gu, Pan Xu, Anqi Liu, Laixi Shi·· 11 小时前AI 评分31
RobustRLlib：面向鲁棒强化学习算法的统一库与基准
RobustRLlib: A Unified Library and Benchmark for Robust Reinforcement Learning Algorithms
AI 导读
RobustRLlib 是一个以算法为中心的鲁棒强化学习库与基准，在统一接口下集成了 17 种代表性的在线、离线与安全 RL 算法，并配套覆盖真实世界偏移及人形机器人、视觉-语言-动作任务的评测平台。对 273 种扰动配置的系统评测给出了当前鲁棒 RL 算法的最新能力图谱，揭示其有效范围与仍存在的鲁棒性差距。该平台开源且易于使用，提供可复现、可扩展的代码库。
正文 · AI 翻译
摘要：鲁棒强化学习（RL）对于可靠的实际部署至关重要，因为策略在多样化的偏移和干扰下可能会失效。现有的鲁棒 RL 算法提供了丰富的机制和原则，但两大障碍限制了其更广泛的潜力：算法可复用性有限，以及实证能力边界不清晰。我们推出 RobustRLlib，一个以算法为中心的库和基准，旨在应对这两项挑战。它在统一接口下集成了 17 种具有代表性的鲁棒在线、离线和安全 RL 算法，大幅提升了可复用性，并配备了一个增强的评估平台，涵盖多样化的真实世界偏移以及先进的人形机器人和视觉-语言-动作任务。在 273 种扰动配置上的系统评估提供了当前鲁棒 RL 算法的最新能力图谱，揭示了它们仍然有效的领域以及仍存在显著鲁棒性差距的领域。作为一个开源、用户友好的平台，RobustRLlib 提供了可复现且可扩展的代码库，用于将现有方法应用于新问题并开发新的鲁棒 RL 算法。
| 评论： | 项目页面、代码和教程：此 https URL |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.32971 [cs.LG] |
| （或 arXiv:2610.32971v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32971 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xi Chen [查看电子邮件]
[v1]
2026年10月23日星期五 17:57:22 UTC（4,099 KB）
来源：arXiv cs.AI · arxiv.org