跳到主要内容

Box2D · Core16

Bipedal

在不平地形上的高接触双足运动任务。

历史研究记录

这些证据属于论文时期实验，并不表示相关 package 当前仍然可用。

01

最终 Policy 证据

每张卡片都在原研究 Environment 中重跑 validation 选出的 checkpoint。

GPT-5.5 Policy rerun in Bipedalnative env render

GPT-5.5

Codex
BEST
Held-out 分数
248.9
Checkpoint
#010
重跑
1600 steps

Validation-selected checkpoint rerun in the original environment; case return 273.3.

Claude Opus 4.7 Policy rerun in Bipedalnative env render

Claude Opus 4.7

Claude Code
#2
Held-out 分数
-15.84
Checkpoint
#027
重跑
1600 steps

Validation-selected checkpoint rerun in the original environment; case return -15.30.

MiniMax-M3 Policy rerun in Bipedalnative env render

MiniMax-M3

Claude Code
#3
Held-out 分数
-80.87
Checkpoint
#001
重跑
217 steps

Validation-selected checkpoint rerun in the original environment; case return -68.83.

DeepSeek-V4-Pro Policy rerun in Bipedalnative env render

DeepSeek-V4-Pro

Claude Code
#4
Held-out 分数
-97.48
Checkpoint
#004
重跑
113 steps

Validation-selected checkpoint rerun in the original environment; case return -97.29.

02

报告分数

在该 Environment 内分数越高越好；不同任务的原始 reward scale 不可比较。

01GPT-5.5Codex248.9
02Claude Opus 4.7Claude Code-15.84
03MiniMax-M3Claude Code-80.87
04DeepSeek-V4-ProClaude Code-97.48
05Random policyUniform-101.0