冻结生成策略不必推倒重来：CANDO在噪声与动作两个空间同时修正，最终成功率91.4%
预训练生成策略为机器人控制提供了强行为先验，但用在线强化学习高效适配它仍很困难：噪声空间残差方法靠固定的潜在可行域约束适配，可能排除有价值的噪声编辑，动作空间残差方法样本效率更高却仍有提升空间。CNDO去掉预定义潜在可行域，改为学习以状态和噪声为条件的方向，并用由保守价值估计与门控执行组成的软保守约束加以调节；CANDO在此基础上再加一个动作空间残差。实验报告CANDO取得76.1 NAUC和91.4%最终成功率，比最好的单空间结果高6.6 NAUC和4.1个百分点。