RL 后训练让通用机器人策略在未见任务上也能持续改进
arkrause · x · 2026-11-06
Michal Korniak 发布线程探讨：对通用机器人策略(generalist robot policies)做 RL 后训练，能否不仅在训练任务上提升，还能泛化到训练中未见的新任务。结论是：配合合适的 RL 配方，这种「通用型改进」是可以实现的，原帖附完整线程链接。
「具身」频道最新
- GPT-6.1 Sol 做 3 台小鼠脑部手术后,定位速度近乎翻倍 — 141_1337 · 2026-11-06
- 沃尔玛联手 Zipline 新增 300 个无人机配送点，最快 30 分钟送达 — Polymarket · 2026-11-06
- Nvidia 押注的 Agility Robotics 登陆纳斯达克，成美国首家上市人形机器人公司 — Polymarket · 2026-11-06
- 2026 AI 硬件市场全景图：139 家公司、14 个层级，估值之王在腕上 — FinanceYF5 · 2026-11-06
- 前 Luma 工程师复盘：让 Gaussian Splatting 跑在手机上 — gkopanas · 2026-11-06
- Nemotron 3.5 Bolt E4B 在 Jetson 上跑到 27.7 tok/s,快 1.8 倍 — Any_Frame9721 · 2026-11-06