lwd

v_JULY_v7 小时前
lwd
LWD——结合“分布式隐式价值学习与基于QAM的策略提取”的RL策略框架，先离线RL预训练，后在线RL微调如原论文所述，要在真实世界中部署通用机器人，就需要高性能的通用策略：这类策略必须能够在多样的物体、环境、用户指令和运行条件下，可靠地完成广泛的任务
我是有底线的