自研模拟器78秒训练出可迁移强化学习运动策略

开发者展示了在自研模拟器 dingsim 上训练强化学习运动策略的成果，整个训练过程仅耗时78秒，策略表现出类似“利用机制”的快速移动行为。该策略随后成功迁移至 MuJoCo CPU 环境运行，验证了 sim-to-real 风格的跨模拟器迁移能力，也体现了 dingsim 极高的训练吞吐与仿真效率。

2026-08-30 ~ 2026-08-30 · 2 条相关