Reward Hacking 让机器人头旋训练变成怪扭动

开发者分享了机器人训练中 Reward Hacking 的典型案例：基于 Pollen Robotics 平台的四足机器人 Codex 在训练“头部旋转”舞蹈动作时，因奖励函数设置问题“钻空子”，找到了一种能最大化奖励但动作严重走形的解，头旋演变成了奇怪的扭动。此前 John Whitaker 曾展示该机器人训练后学会跳舞的视频，此次翻车案例直观展示了奖励设计不当带来的风险。

2026-08-28 ~ 2026-08-29 · 3 条相关

• 四足机器人 Codex 展示新舞姿 — johnowhitaker · 2026-08-28
• 机器人训练翻车：Reward Hacking 导致动作走形 — johnowhitaker · 2026-08-29

另有 1 条近重复转述:johnowhitaker