待验证50% 置信事实精确时间
DeepMind的方法训练单一神经网络策略，直接从等离子体状态映射到所有磁场线圈的控制指令，能稳定维持负三角形截面和雪花型偏滤器等此前难以实现的等离子体配置
1
来源数
50%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
待验证DeepMind、Tesla Optimus、Unitree 等团队均采用了强化学习驱动的运动控制方案73% 相似待验证2018年DeepMind团队在《Nature》发表论文，展示训练执行路径积分任务的循环神经网络内部单元自发形成类似生物网格细胞的六角形放电模式73% 相似待验证DeepMind 的 GraphCast 利用图神经网络捕捉大气层的非规则网格结构72% 相似待验证端到端神经网络将从传感器原始输入到控制输出的整个流程封装在统一深度学习模型中，取代传统感知、预测、规划、控制分离的流水线架构72% 相似待验证DeepMind提出RLAM（强化学习辅助记忆），OpenAI探索过程监督（Process Supervision）方法，将奖励信号延伸至中间推理步骤72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/888480API
curl https://kongchang.com/api/v1/knowledge/claims/888480MCP
get_claim(id=888480)