待验证50% 置信事实精确时间

Boston Dynamics的Atlas和Tesla的Optimus都依赖强化学习训练来实现平衡与恢复。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/13

首次发现

有效期至：2027/1/11

来源

AI越聪明机器人越强？真相没那么简单

涉及实体

Boston Dynamicscompany Atlasproduct Teslacompany Optimusproduct

相关事实

待验证波士顿动力的Atlas和特斯拉的Optimus都在不同程度上采用了基于强化学习的控制技术74% 相似待验证GAIL借鉴GAN思想用对抗训练隐式恢复专家行为分布，理论基础是将模仿学习转化为占用度量匹配问题，但受GAN模式崩塌问题影响训练稳定性66% 相似待验证GAIL借鉴GAN思想，用对抗训练隐式恢复专家行为分布，在连续控制任务上取得接近IRL的效果且计算更高效66% 相似待验证自适应课程学习根据模型当前表现动态调整训练难度，而非预先固定难度。63% 相似已验证DQN引入了经验回放和目标网络两项关键创新，前者打破时序数据强相关性使训练稳定，后者避免训练震荡与发散63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1022406

API

curl https://kongchang.com/api/v1/knowledge/claims/1022406

MCP

get_claim(id=1022406)