（来源：上观新闻）
多层次🇵🇫🇷🇼强化学习将任⛵务分解为多👢个子目标，通😪🔜过层次化的策略网⏲络分别学习🎢🏠sem是什么的缩写不同层次的空间决🦚策，能够🏟显著提升智🌞能体在长期任务🧩🙅上的表现🇬🇦😧； 记忆增强架构🐜🐍引入外部🌩记忆模块或基💳🌽于注意力♠机制的🦄Trans🥽🚥former🖌📒架构，使智能体能🐰够存储和检索历🔬史空间🧬信息，这提升🍤了AI的跨层感知🥇sem是什么的缩写规划的任务得分；🦌🌯 引入内🍫在奖励机制（🦟🇨🇬如探索奖励、👿🎼预测误差奖励）🇦🇱来驱动🆔🌊智能体💮🏇的空间探索行🦈👩❤️👩为，使智能体😤能够更快地建立对⚙环境的全局认知；🚣🏉 符号与神🔽🔷经混合方法🚗结合符号推理与神☄🥅经网络🙉的优势，使👩👦🇲🇭用神经网络进行🇳🇵感知与特征提🔢🛅取，使用符号🐉🇨🇭系统进行高层次的🇧🇮🇩🇬空间规划👶与推理，在⛹️♀️🌂可解释性🔀和样本效率😬上表现☮➕出优势；🚻 零样本大语🆗言模型Agen❗t在提供充分上📭👩🍳下文和清🍴晰任务描述📣时能有效执行局🌨😬部任务，♍但在自主🎅🏌长期游玩、🌳模糊目标与缺乏🐳显式反馈下💘表现明显🍦🛀不如基于规则系统☔🕚的Agen👖t👨👨👧👧。
TiG强调模型将🍷决策过程显式化，🇷🇸⏏要求AI🌮在每一步操😇☸作前对外输出其思🇦🇿👑考的思😸维链☦。你可能会想，数🈺🏺字智能🕧体能部🤩署在云端，为什么🏴🐿物理智能体要在🐙👮sem是什么的缩写端侧？一是延迟🌏💣，机器人的输入是🎄👐物理世界、🥒♓是连续🇦🇩👩🦰的视频、点云、🧞♀️传感器🇶🇦😓等等这些多模态的🌾数据，往云端🔤💵传个几帧数据🎅🇨🇽十几秒可能就过去🍪了，根本👊👌不能支❄撑实时动作的生🎮成；二是网络，很😫👩🦲多真实场📢9️⃣景是弱网或离🐮网的，比如刚🇲🇭🐤提到的管网清✂洁场景；📲🧙♂️三是隐私🤐，无论是家庭场景👳♀️还是工业场景，用🦑户图像敢不📷敢传到云端去♒😯？ 所以具身🗻🇸🇮智能体必须在端侧🤽♀️跑🤢。
