ポリシーの反復を迅速化するための現実世界の RL 環境

シミュレーションは成功するが現実世界では後退

チームは、シミュレーションからハードウェアに移行するときに、接触の変動とリセットのドリフトによりポリシーの後退が繰り返されることを確認しました。

• 永続的環境セル反復可能なリセットロジックと安定したセンサー同期。
• 失敗リプレイダッシュボード回帰クラスターの迅速なトリアージとシナリオ レベルの追跡。
• ポリシーゲートチェックすべてのプロモーションの前にベンチマーク ゲーティングを行います。