技能迁移学习算法

本数据集主要面向智能体跨平台技能迁移与仿真到现实（Sim-to-Real）适应性研究，针对动态不确定场景下多任务技能泛化需求建设。基于清华大学智能技术与系统国家重点实验室的机器人操作平台与Unity-URDF仿真环境产生，主要记录了策略检查点、训练奖励曲线、迁移成功率统计、领域随机化配置参数及多模态任务执行日志等核心实验数据。数据来源于仿真与真实机器人并行执行的系统性迁移实验，覆盖RMA、DAgger、对比学习等多种迁移策略的对比研究。通过ROS 2框架实时记录实验过程，所有数据统一封装为时间戳对齐的ROS bag文件，并汇总至PostgreSQL数据仓库进行结构化存储。实验设计包含多轮复现验证，确保性能偏差控制在±5%以内，保障数据的可靠性与可复现性。数据集主要内容包括2000组任务回合的完整迁移实验日志，涵盖策略参数、环境状态序列、动作决策轨迹及任务完成指标。数据体量达100MB，采集周期为2023年1月至2025年5月。通过系统化记录仿真与实机协同训练过程，本数据集为技能迁移算法的稳定性评估与跨领域适应性研究提供关键支撑。遵循CC BY-NC 4.0许可协议，本数据集设置3年保存期限，主要用于项目验收复核、算法性能对比研究及短期学术复现。通过提供多策略、多场景的迁移学习实证数据，显著促进智能体在动态环境中技能泛化与自主增强的技术突破，为元学习理论与跨平台操作应用建立实验基础。