OmniReset 把围棋重置到中盘，自博弈效果更强
mathemagic1an · x · 2026-07-27
一个名为 OmniReset 的机器人强化学习技巧，被拿来用于 9x9 围棋自博弈。
做法是先把对局重置到随机的合法中盘状态，再跑 PPO，而不是从头完整下到底。
作者声称这样能带来更好的探索，并且能打败已有策略。这个结果被包装成一种更有效的稀疏奖励自博弈训练思路，重点是：不用 MCTS、不要老师数据、也不需要 reward shaping。
「具身」频道最新
- 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
- TechCrunch 讨论脑波信号或成 physical AI 训练新钥匙 — TechCrunch AI · 2026-07-27
- YC 讨论具身机器人：预训练、记忆和组合行为才是关键 — ycombinator · 2026-07-27
- 无人机考证热退潮，培训机构收缩转向专业需求 — 创业邦 · 2026-07-27