Yacine 自建仿真器训练机器人 stop-and-go,2 分钟搞定 sim2real

yacineMTB · x · 2026-09-01

Yacine(前 OpenAI 成员)展示自己的机器人 RL 训练流程：在自己写的仿真器里训练 stop-and-go 策略，再迁移到 MuJoCo 验证，整个训练 2 分钟内完成。整套训练跑在他自己的基础设施上，全程通过手机上的数据监控 App 查看。

他同时给出了一个明确的方法论观点：别人的 trainer 用了非对称 actor-critic,而他刻意不用——认为非对称 actor-critic 是「膨胀」，会阻碍梯度流动，是坏实践，并表示「我会死在这座山上」。