目标条件强化学习策略 PolicyIK 在仿真单次尝试中,让 93.5% 的保留任务在最后一秒的平均误差保持在 1 毫米和 0.2 度以内,做法是依据姿态反馈更新关节位置参考,让控制器在静止时也能留住所需的偏移。该策略属于目标条件强化学习,在仿真单次尝试中完成保留任务。
正文完
目标条件强化学习策略 PolicyIK 在仿真单次尝试中,让 93.5% 的保留任务在最后一秒的平均误差保持在 1 毫米和 0.2 度以内,做法是依据姿态反馈更新关节位置参考,让控制器在静止时也能留住所需的偏移。该策略属于目标条件强化学习,在仿真单次尝试中完成保留任务。