# AlphaNIST

AlphaNIST把NIST装配任务板1的20个装配任务放进同一个强化学习策略里训练，只给二值成败奖励，不用示教、不用进度塑形、不用脚本化动作原语，也不逐任务调参。此前学习类方法通常一次只解一个任务，或依赖固定顺序、预设初始位姿和稠密奖励引导。在仿真中，这条共享策略达到98.2%的整体训练成功率，并在小零件任务上超过单独训练的策略。

AlphaNIST把NIST装配任务板1的20个装配任务放进同一个强化学习策略里训练，只给二值成败奖励，不用示教、不用进度塑形、不用脚本化动作原语，也不逐任务调参。此前学习类方法通常一次只解一个任务，或依赖固定顺序、预设初始位姿和稠密奖励引导。在仿真中，这条共享策略达到98.2%的整体训练成功率，并在小零件任务上超过单独训练的策略。