elephant-1 替代奖励函数：两人形机器人从零学走路对比实验

研究者 Agneya Tharun 训练两个从零学走的人形机器人，对比手工奖励项与决策模型 elephant-1 评判行走自然度的效果。其中一个机器人使用 12 个手工调参的奖励项，包括保持直立、避免抖动等；实验探讨模型能否替代 RL 中的奖励函数，结果见原帖视频。