#机器人训练

长任务机器人，奖励要按因果给

只看画面像做完了，前置步骤可能根本没做。这篇论文把奖励和交互历史绑定，18 个长任务上到 31.8%，四个真机任务 57.5%，并讲清奖励该怎么设计。