训练闭环01 / 07
仿真走一步,模型能推演多远?
策略(Actor)给关节发指令,仿真器记录 G1 怎样运动。模型用连续几帧学习预测,策略也可以从其中一帧出发,在模型里尝试接下来的动作。
一条轨迹的两种用法1 → 8 / 32
- 物理仿真走 1 步,把记录写入缓冲区。
- 连续 9 帧 → 用记录中的动作预测后 8 帧。
- 起点和观测历史 → 让策略在模型里尝试 32 步。
- 用更新后的 Actor 继续采集轨迹。
策略(Actor)给关节发指令,仿真器记录 G1 怎样运动。模型用连续几帧学习预测,策略也可以从其中一帧出发,在模型里尝试接下来的动作。