研究人员开发了一种改进版的软Actor-Critic (SAC)算法，该算法在训练腿式机器人方面达到了与Proximal Policy Optimization (PPO)算法相媲美的性能。这种新方法通过允许SAC重用过去的经验来解决其样本效率低的问题，使其适用于模拟到现实的迁移以及在物理硬件上进行在线学习。这些改进包括策略初始化、Critic目标和回报估计方面的优化，使得SAC能够在各种机器人平台和运动任务上稳定地进行大规模训练。 AI
影响 实现了更高效的腿式机器人训练，可能加速模拟到现实的迁移和实时适应。
排序理由 介绍机器人领域新算法改进的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →