概念Dense Reward
稠密奖励
强化学习中在每个状态或每一步都提供中间反馈的奖励形式，与稀疏奖励相对，能显著缩短探索路径。
时间轴 (近 90 天)
10月21日
稠密奖励为每一步或每个状态提供连续反馈，能高效引导策略学习，但也可能过度约束策略在参考轨迹附近。
待验证50%
10月12日
场景图为每个任务阶段提供稠密奖励，让策略从重置状态出发时探索路径足够短且有明确引导。
待验证50%
强化学习中在每个状态或每一步都提供中间反馈的奖励形式，与稀疏奖励相对，能显著缩短探索路径。
稠密奖励为每一步或每个状态提供连续反馈，能高效引导策略学习，但也可能过度约束策略在参考轨迹附近。
场景图为每个任务阶段提供稠密奖励，让策略从重置状态出发时探索路径足够短且有明确引导。