它的两阶段方法首先从广泛的操纵数据中学习，然后通过后期训练使策略与目标实施例保持一致。该版本包括用于调整策略、运行推理和比较基准性能的代码和检查点。机器人研究人员可以使用发布的资产来测试任务执行或微调他们自己的机器人数据。该设置将模型实验与需要兼容实施例和受控物理环境的部署步骤分开。
