Volver a Case Studies
Medio ambiente de RL en el mundo real para una mayor iteración de las políticas
Cómo un equipo de RL utilizó entornos del mundo real de RCSV para mejorar la tasa de aprobación de referencia y reducir los problemas de regresión.
Un equipo de robótica pasó de las pruebas de simulación pesadas a entornos persistentes del mundo real y mejoró la fiabilidad de los benchmarks.
Desafío
La simulación pasa pero hay regresiones en el mundo real
El equipo vio regresiones de política repetidas al pasar de la simulación al hardware debido a la variación de contacto y la deriva de restablecimiento.
Solución de RCSV
- Cellas de entorno persistenteLógica de reinicio repetible y sincronización estable del sensor.
- Tablero de control de reproducción de fallasClasificación rápida de los grupos de regresión y seguimiento a nivel de escenario.
- ** Verificación de las puertas de póliza** Clasificación de referencia antes de cada promoción.
Resultados en 10 semanas
- Taxa de aprobación de referencia: 58% -> 84%
- Incidentes de regresión por liberación: ** bajando un 47%**
- Score de confianza de liberación: ** hasta 31%**
Construye su plan ambiental
Elija el modo piloto, persistente o de asociación basado en la tarea objetivo y la cadencia de iteración.