清华 x Striding AI提出自监督帧级别优势建模算法STEAM，显著超越Pi*0.6的RECAP算法

2026年7月15日

随着具身智越来越多地进入生产环境，策略进化的核心变成对混杂数据的高效利用。这正是离线强化学习发挥的重要场景，但效果严重依赖于帧级的好坏标注——逐帧分辨哪些时刻在推进任务，哪些在停滞或倒退。但靠人类逐帧标注机器人数据非常耗费人力、难以规模化。

阅读文章