Rollback
Rollback Интересное исследование, кода не нашел World model задом наперёд: возврат к ключевым решениям, ветка в другие действия, обучение на разнице. AgiBot Research • откат к сохранённым состояниям модели мира из реальных и симулированных попыток, проба других action chunks • MCTS льёт бюджет на решения, где разные действия ведут к разному финалу • sibling-ветки из одного состояния дают action-level метки, value-модель не обучается • робот собирает данные во время тренировки, GE-Sim 2.0 дообучается, поиск идёт по точному симулятору Robotic RL без value-модели и без реальных провалов: плохие исходы ищут откатом в симуляторе #research #world
16 просмотров