ARC-RL：受《ARC Raiders》启发的强化学习测试平台

Carlo Romeo, Andrew D. Bagdanov

2026

摘要

本文提出了ARC-RL，一个包含四种基于游戏生物形态的腿式机器人MuJoCo连续控制环境套件，并设计了一个统一的多组件奖励函数，无需运动捕捉数据。通过比较多种在线和离线-在线强化学习算法，验证了该平台的有效性。

reinforcement learninglegged locomotionMuJoCohexapodquadrupedreward functioncentral pattern generator

LEARNING

开放获取

Dimosthenis Angelis, Leonard Bauersfeld, Davide Scaramuzza 等 4 位作者

2026

OTHER

开放获取

Jacob Swindell, Michael Lowen, Marija Popovic 等 4 位作者

2026

LOCOMOTION

开放获取

Tayyab Manzoor, Yasir Ali, Yuanqing Xia 等 5 位作者

2026

LOCOMOTION

开放获取

Zhiwen Zhu, Jiaqi Chen, Xiangyi Huang 等 5 位作者

2026