elephant-1替代奖励函数实验

1. 08:34
   AGI Hunt

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。