recovery-policy

安全探索者（SafeExplorer）引入了一种用于带有恢复干预的强化学习的无偏策略梯度估计器，在机器人任务上显著减少了训练期间的跌倒次数，同时达到或超过了标准PPO的最终奖励。

CAX-Agent是一种轻量级Agent工具框架，利用大语言模型自动化MAPDL有限元仿真，重点在于恢复策略。评估表明，基于模型的恢复实现了最佳的完成率。