CoRL 2026 RoboEval 挑战赛方案：离线策略强化学习+在线推理调优拿下 0.990 RDS
一位参赛者完整拆解了他在 CoRL 2026 RoboEval 上拿到 0.990 分的做法，π0.5 策略自当价值函数，AWR 加 RECAP 直接在官方评分上训练，再补上生成的满分演示和失败恢复片段。做机器人 RL 或智能体训练的人能直接借鉴这套循环设计。
一位参赛者完整拆解了他在 CoRL 2026 RoboEval 上拿到 0.990 分的做法，π0.5 策略自当价值函数，AWR 加 RECAP 直接在官方评分上训练，再补上生成的满分演示和失败恢复片段。做机器人 RL 或智能体训练的人能直接借鉴这套循环设计。