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
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11
- Swaayatt 演示山区高速自动驾驶：52km/h 过盲弯失控后自稳 — sanjeevs_iitr · 2026-09-11
- AUAR 推移动微型工厂:为每块木板定制生成机器人加工方案 — lukas_m_ziegler · 2026-09-11