在双臂精密插装任务上微调 reward model，进度预测接近完美

在双臂精密插装任务上微调的 reward model 已取得早期进展：模型在一条未见过的轨迹上对进度做出接近完美的预测，并能正确反映任务中的错误与恢复过程。该任务需协调两条机械臂、跨三个机载相机视角推理，且每回合的执行器与插入孔都不同。作者称任务难度处于「够难但可达」的边缘，目前成功率可超 99%。