PHYSICAL AI LAB // LAB 1.7 // REINFORCEMENT LEARNING
LIVE
T+00.00
在试错里变强
没有示范，只有奖励。机械臂一轮轮试，按得分改自己，从乱挥到够到杯子。奖励写歪一点，它就钻空子。
训练曲线 · 每一轮都在同样 100 个杯子位置上评测
平均回报（一局的总得分）
任务真的做成了（手停在杯子旁，杯子没被推开）
奖励：够到杯子
奖励：只要杯子动了
这一只 · policy
奖励：够到杯子
奖励：杯子动了
训练进度
探索强度
拖训练进度 · 切奖励 · 把探索调大看早期乱试 · 拖动空白处旋转视角