AlphaNIST：通过二元任务奖励让机器人涌现装配技能

AlphaNIST 提出让机器人通过二元任务奖励与大规模多样化仿真经验，自主学习 NIST 装配板 20 项异构装配任务，借助成功引导采样动态调整起始状态训练权重，无需预设动作或演示。实验表明，同一策略能在 20 个任务上涌现接近完成的装配行为，单次运行完成一个零件装配。