RL 后训练让通用机器人策略在未见任务上持续改进

Michal Korniak 发布线程探讨对通用机器人策略进行 RL 后训练，结果显示通用型改进可泛化至训练中未见的新任务。配合合适的 RL 配方，策略不仅能提升训练任务表现，也能在新任务上持续改进。