TRFO 机器人策略训练：移除负学习信号使拉链任务成功率从 86% 降至 60%

fancyyzc 团队提出 TRFO，用于利用负经验改进机器人策略；排除负优势样本后，拉链任务成功率从 86% 降至 60%。移除信任域约束会导致训练发散；在相同经验数据下，TRFO 在衣物折叠和穿拉链任务中优于 HG-DAgger 与 RECAP。