AlphaNIST 机器人训练揭秘：换 Newton 物理引擎堆出稀疏奖励可行

AlphaNIST 相对 SGS 做了多项改进：用 Newton 替代 PhysX 带来大幅性能提升，并改进重置分布、机器人控制器参数、观测与网络架构，引入统一的多任务训练范式。这些改进叠加后，仅用一项极简奖励函数即可完成训练，四个通用项的主要梯度信号来自稀疏任务奖励，整个「代价」部分只需调节一个系数。