欢迎一起成长呀

LIBERO数据集的轨迹查看与可视化

LIBERO的文件结构

机器人持续学习基准LIBERO系列7——计算并可视化点云

机器人持续学习基准LIBERO系列6——获取并显示实际深度图

机器人持续学习基准LIBERO系列5——获取显示深度图

基于MuJoCo的机器人学习方针环境，提供一套基准环境，MuJoCo官方DeepMind长期支持，是通过模拟环境推进机器人智能倡议项目（ [Advancing Robot Intelligence through Simulated Environments (ARISE) Initiative](https://github.com/ARISE-Initiative)）的一部分。 是LIBERO的底层环境

机器人持续学习基准LIBERO系列3——相机画面可视化及单步移动更新

机器人持续学习基准LIBERO系列2——路径与基准基本信息

用来研究机器人多任务学习和终身持续学习的知识迁移问题

LwF算法论文关键点汇总与代码注释

一个可以改变门把手形状、类型、位置、环境颜色、照明条件、机械臂结构的仿真环境，以训练出鲁棒性更高、更能关注到任务本质特征、容易迁移到现实的模型网址环境下载。

提供了开源的、包含50种不同的Sawyer机械臂操作任务的模拟基准，在环境中实现了当时最先进的几种元强化学习和多任务学习算法，并发现它们很难学习基准中的多个任务

ManiSkill 2022机器学习顶会ICLR上的世界顶尖机械臂大赛官网信息整理

SAPIEN：铰接、计算机视觉、机器人操作、机器人规划、强化学习、模仿学习的仿真环境

Grand Challenge 2021 Indoor Robot Learning，室内机器人学习全球挑战赛，世界级机器人持续学习赛事赛题4.2.5在紧急情况下准备水和药品

面对紧密排列物体，机械臂夹持器无法伸入进行抓取，有效的办法是先进性推动将物体打散，在此基础上再进行抓取

针对大量任务、少量样本的持续学习，在MNIST和CIFAR-100数据集上实验

文中提出一种层次架构，包括提取不同任务基本表征的原语学习模块和特定于任务的策略学习模块，其中原语学习利用N(0,1)分布假设来寻找不同任务间的联系，并通过重建损失来标识不同任务。在模拟环境中进行插销和开门实验，开门只要改变了门的角度大于1弧度就算成功，效果与Finetuning, EWC and IMM三种方法进行了比较。