GRASP作者对比SuperMimic仿真经验利用方法

GRASP作者补充说明了与SuperMimic在利用仿真经验优化策略上的方法差异：SuperMimic通过对学习到的world model反向传播训练追踪策略；GRASP则利用存档仿真rollout拟合的局部代价模型恢复轨迹代价梯度，并在下游策略学习前精修动作参考。两者的论文、代码和数据集均已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。