ScheduleNet: Learn to solve multi-agent scheduling problems with reinforcement learning

The Canadian Dataverse Repository2026-03-28 收录

多智能体调度

强化学习

数据链接：

https://borealisdata.ca/dataset.xhtml?persistentId=doi:10.5683/SP3/9Z9NAU 数据链接链接失效反馈

官方服务：

资源简介：

Junyoung Park, Sanjar Bakhtiyar, Jinkyoo Park, 2025, "ScheduleNet: Learn to solve multi-agent scheduling problems with reinforcement learning", https://doi.org/10.5683/SP3/9Z9NAU, Borealis, V1

创建时间：

2025-10-11

Quadcopter Flight Control Data

四旋翼控制

强化学习

该数据集汇总了针对四旋翼飞行器在障碍物遍布环境中的飞行控制任务，对不同强化学习算法性能评估的测试数据。它不仅包含了不同强化学习算法之间的性能对比，还探讨了由好奇心驱动的探索对算法效果的影响。

arXiv150

gym_hil_microwave_test

机器人控制

强化学习

该数据集由LeRobot创建，采用apache-2.0许可证，属于机器人技术领域。数据集包含10个episodes，774帧，1个任务，数据文件大小为100MB，视频文件大小为200MB。数据以parquet格式存储，视频以mp4格式存储，帧率为10fps。数据集仅包含训练集。特征包括动作（delta_x, delta_y, delta_z, gripper）、下一状态奖励、完成标志、离散惩罚、前

Hugging Face2026-04-03 更新100

erhwenkuo/rlhf_reward_single_round-chinese-zhtw

对话系统

强化学习

这些数据基于anthropic的论文《Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback》开源，旨在为后续的RLHF训练训练偏好（或奖励）模型。数据集来源于beyond/rlhf-reward-single-round-trans_chinese，并使用OpenCC进行简

Hugging Face2023-10-04 更新70

sungyub/table-r1-zero-verl

表格推理

强化学习

Table-R1-Zero是一个针对表格推理问题的数据集，转换为VERL格式，适用于强化学习训练工作流。该数据集包含69,265个表格推理问题，主要来源于WikiTableQuestions和其他表格问答基准数据集，设计用于训练语言模型理解和推理结构化表格数据。

Hugging Face2025-11-05 更新110

Flightmare Simulator

无人机仿真

强化学习

Flightmare 由两个主要组件组成：基于 Unity 构建的可配置渲染引擎和用于动态模拟的灵活物理引擎。这两个组件完全解耦，可以彼此独立运行。 Flightmare 具有几个理想的功能：（i）大型多模式传感器套件，包括提取场景 3D 点云的界面； (ii) 用于强化学习的 API，可以并行模拟数百个四旋翼； (iii) 与虚拟现实耳机的集成，用于与模拟环境进行交互。 Flightmare 可

OpenXLab80

ScheduleNet: Learn to solve multi-agent scheduling problems with reinforcement learning

资源简介：

相关数据集