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。

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。

该文介绍了从先前记录的数据中学习策略的前景方向，以实现真实世界机器人任务。作者提出了一个基准，包括使用强化学习代理在模拟中训练的两个任务的熟练操纵平台的大量离线学习数据的收集，并提供了在真实世界机器人系统和模拟中执行学习策略的选项以进行高效调试。作者还评估了知名的开源离线强化学习算法，并为真实系统上的离线强化学习提供了可重现的实验设置。

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。