我们使用强化学习代理在模拟中训练大量离线学习数据，以实现真实世界机器人任务。我们评估了开源离线强化学习算法，并提供了可重现的实验设置。

本研究报告探讨了停车场景中强化学习代理的多模态分布程度和机器人车辆在复杂交通环境中的导航与协作。通过分析队列长度、流量和编队大小分布，研究了影响队列长度的因素。该报告为混合交通的交通管理和协调提供了宝贵的见解。

我们使用强化学习代理在模拟中训练的两个任务的离线学习数据，提出了一个基准，以实现真实世界机器人任务。我们评估了开源离线强化学习算法，并提供了可重现的实验设置。

本研究提出了一个用于分析强化学习代理性能的框架，通过结合两个算法并提出一种新算法，比较了它们的收敛速度。实验结果显示，新算法的收敛速度显著快于以往方法。

该研究使用认知模型作为人类模拟器，与人工智能交互并收集反馈，提高训练效率。实践中，该方法在道德决策制定方面取得了成功，对人工智能的发展具有重要贡献。其中，强化学习代理与认知模型交互学习公平性，并能理性调整行为。

本文介绍了使用回归模型学习QoS和资源分配关系的方法，利用强化学习代理进行动态缩放截片资源以维持所需的QoS水平和提高资源效率。该方法具有鲁棒性和在不同流量模式下推广的性质。结果表明，该方法能够在未见的流量上保持QoS降级在10％以下，同时最小化资源分配，并展示了对不同网络条件和不准确流量预测的鲁棒性。

从先前记录的数据中学习策略是实现真实世界机器人任务的有前景方向。提出了一个基准，包括：使用强化学习代理在模拟中训练的两个任务的大量离线学习数据的收集，以及在真实世界机器人系统和模拟中执行学习策略的选项。评估了开源离线强化学习算法，并提供了可重现的实验设置。