AlphaNIST：仅依靠二值任务奖励涌现复杂机器人装配技能

AlphaNIST 论文提出一种仅依赖稀疏二值任务奖励的机器人强化学习方法，在无需演示、进度塑形或分任务调优的情况下，单策略在 NIST #1 装配任务板全部 20 个任务上达到 98.2% 的仿真训练成功率。该框架支持策略在单回合内无固定顺序完成 10 组部件装配，且仅在全部完成时给予奖励；学习到的策略自主涌现出利用环境几何重定向零件、提前规划抓取姿态以及交叉处理零件等类规划行为。