SoftGym

SoftGym: Benchmarking Deep Reinforcement Learning for Deformable Object Manipulation进阶

基于英伟达 FleX 的柔性物体操作仿真基准，包含布料、绳子和液体任务

SoftGym 是卡内基梅隆大学 David Held 组的 Xingyu Lin 等人发表在 CoRL 2020 的开源基准，专门评测强化学习在柔性物体操作上的表现。以往的强化学习基准多是刚体或低维状态任务，而布料、绳子、液体的状态维度极高、只能部分观测，难度完全不同。SoftGym 基于英伟达 FleX 粒子物理引擎（通过 Python 接口 PyFleX 调用），提供标准的 OpenAI Gym 接口。任务分两档：中等难度有运水、倒水、拉直绳子、铺平布料、叠布、放下布料；困难档有定量倒水、叠皱布、放下并叠布、把绳子摆成指定形状等。论文实验表明现有算法在这些任务上仍有明显困难，尤其是只看图像时。由于依赖较老的 CUDA 和系统版本，官方推荐用 Docker 安装。