标签: policy-gradient

2026年7月16日

• manipulation
• diffusion-policy
• reinforcement-learning
• ppo
• policy-gradient
• rl-finetuning
• sim-to-real
• action-chunking
• ddim
• embodied-ai

2026年7月16日

• flow-matching
• rectified-flow
• shortcut-models
• reinforcement-learning
• ppo
• policy-gradient
• rl-finetuning
• action-chunking
• noise-injection
• embodied-ai

2026年6月25日

• diffusion
• rl
• rlhf
• rlaif
• policy-gradient
• ppo
• mdp
• text-to-image
• reward-optimization
• vlm-feedback