此外，与其他数学任务相比，Countdown 游戏中的成功更依赖于问题解决能力而非数学知识。 开发人员使用真实数据和合成数据来训练 Project GR00T 人形机器人基础模型，从而节省了大量的时间并降低了成本。 然后，他们使用 Isaac Lab 中的 Robocasa NIM 微服务（一种机器人学习框架）来生成经验以重新训练机器人模型。 在整个工作流中，NVIDIA OSMO 将计算任务无缝地分配给不同的资源，为开发者减少了数周的管理工作量。 令人惊讶的是，用不正确的解决方案启动但具有正确行为的模型，与在具有正确解决方案的数据集上训练的模型具有相同的性能（图 6）。 这表明认知行为存在（而不是获得正确的解决方案）是通过强化学习成功实现自我改进的关键因素。 尽管这两种模型在任务开始时表现相似，得分都很低，但…