Rollback：在世界模型中回溯以改进策略
Rollback利用动作条件世界模型回到机器人的关键决策时点，尝试其他动作并比较结果。该方法无需单独训练价值模型，即可提供细粒度的动作级监督。在真实机器人实验中，与最强基线相比，Rollback在方块抽取、投球和桌面冰壶任务上的成功率分别提高了10.67、11.11和11.85个百分点。训练8小时后，它在投球和桌面冰壶任务中的表现超过了人类玩家的平均成功率。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。