新策略模型首个检查点出现急躁行为
DominiqueCAPaul · x · 2026-07-06
在用新数据训练的一个策略(policy)上获得首个检查点。由于这次推进更快,该策略表现出更快、更急躁(hectic)的行为,期待后续检查点能有所改善。体现了训练数据与推进节奏对策略行为的影响,疑似机器人强化学习训练实践。
「具身」频道最新
- 纽约高中拟引入人形机器人遭教师反对 — nordicinst · 2026-07-27
- 新加坡国立大学做出无电子无外部供能软力传感器 — CurieuxExplorer · 2026-07-27
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- 机器人走到冰箱前拿出一瓶啤酒 — Darpinian · 2026-07-27
- 研究者用针织结构复现数字电路 — mtizard · 2026-07-27
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27