URLB 全称 Unsupervised Reinforcement Learning Benchmark，是一个无监管强化学习数据集。 URLB 包括两个阶段：无奖励的预训练阶段和有外部奖励的下游任务适应阶段。在 DeepMind 控制套件的基础上，该数据集提供了来自三个领域的 12 个连续控制任务以供评估。