Work type
benchmark
Area
G1/GO2
Problem
FlashSAC 已完成迁移至 UniLab,但当前训练过程不稳定,在 locomotion 任务上存在训练发散或无法稳定收敛的问题。在没有可靠基线的情况下,无法对 FlashSAC 与其他 off-policy 算法进行有效对比,也无法将其作为后续工作的参考实现。此外,目前缺少一份记录各算法对比结果的文档,导致贡献者难以了解 UniLab 中各算法的整体表现。
Deliverable
- 在 Go2 locomotion 任务上稳定运行 FlashSAC,并附上可复现的 W&B 训练曲线
- 在 G1 locomotion 任务上稳定运行 FlashSAC,并附上可复现的 W&B 训练曲线
- 新增一份算法对比文档(如
docs/benchmarks/algorithm_comparison.md),
记录 PPO、FastSAC、FlashSAC 等已支持算法在 Go2 和 G1 上的benchmark 结果
Definition of done
Work type
benchmark
Area
G1/GO2
Problem
FlashSAC 已完成迁移至 UniLab,但当前训练过程不稳定,在 locomotion 任务上存在训练发散或无法稳定收敛的问题。在没有可靠基线的情况下,无法对 FlashSAC 与其他 off-policy 算法进行有效对比,也无法将其作为后续工作的参考实现。此外,目前缺少一份记录各算法对比结果的文档,导致贡献者难以了解 UniLab 中各算法的整体表现。
Deliverable
docs/benchmarks/algorithm_comparison.md),记录 PPO、FastSAC、FlashSAC 等已支持算法在 Go2 和 G1 上的benchmark 结果
Definition of done
docs/目录