direct mujoco rendererGPT-5.5
Codex- Held-out 分数
- -11.81
- Checkpoint
- #007
- 重跑
- 50 steps
Validation-selected checkpoint rerun in the original environment; case return -12.00.
Robotics · Core16
FetchPickAndPlace
抓取、抬起并把物体放到目标位置。
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。
最终 Policy 证据
每张卡片都在原研究 Environment 中重跑 validation 选出的 checkpoint。
direct mujoco rendererBEST
direct mujoco rendererClaude Opus 4.7
Claude Code- Held-out 分数
- -13.34
- Checkpoint
- #008
- 重跑
- 50 steps
Validation-selected checkpoint rerun in the original environment; case return -13.00.
direct mujoco rendererMiniMax-M3
Claude Code- Held-out 分数
- -13.22
- Checkpoint
- #006
- 重跑
- 50 steps
Validation-selected checkpoint rerun in the original environment; case return -13.00.
direct mujoco rendererDeepSeek-V4-Pro
Claude Code- Held-out 分数
- -20.56
- Checkpoint
- #011
- 重跑
- 50 steps
Validation-selected checkpoint rerun in the original environment; case return -35.00.
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-5.5Codex
-11.8102MiniMax-M3Claude Code
-13.2203Claude Opus 4.7Claude Code
-13.3404DeepSeek-V4-ProClaude Code
-20.5605Random policyUniform
-43.75