概念奖励函数
奖励函数设计
强化学习中的核心概念，定义智能体应追求的目标，指导策略优化。
时间轴 (近 90 天)
10月18日
在强化学习locomotion研究中，如果奖励函数设计得太具体，所有机器人会收敛到相似的步态；如果太宽松，训练可能不收敛或学出钻空子的怪异动作。
待验证50%
10月2日
足式运动控制的奖励函数通常需要同时编码速度跟踪、能量效率、姿态稳定、接触力约束等多个竞争性目标，权重偏差可能导致真机上不可行的行为
待验证50%
强化学习中的核心概念，定义智能体应追求的目标，指导策略优化。
在强化学习locomotion研究中，如果奖励函数设计得太具体，所有机器人会收敛到相似的步态；如果太宽松，训练可能不收敛或学出钻空子的怪异动作。
足式运动控制的奖励函数通常需要同时编码速度跟踪、能量效率、姿态稳定、接触力约束等多个竞争性目标，权重偏差可能导致真机上不可行的行为