概念Bottleneck-Adaptive Targeted Exploration / 瓶颈自适应目标探索
BATE
AtomicRL框架中的瓶颈自适应目标探索方法，根据原子子任务掌握程度动态分配采样权重与探索激励，实现数据驱动的自适应课程学习。
时间轴 (近 90 天)
10月22日
瓶颈自适应目标探索（BATE）根据每个原子子任务的掌握程度，动态协调任务采样和局部探索激励；掌握较差的子任务会获得更多采样机会和探索奖励。
待验证50%
10月22日
BATE实现的是数据驱动的自适应课程学习：它根据每个原子子任务当前的掌握程度动态分配采样概率和局部探索激励。
待验证50%
10月22日
AtomicRL的真实世界平均21.3%的提升依赖于Real2Sim2Real迁移流程的有效性，而仿真基准上的提升则主要来自SAPO和BATE对信用分配与探索的改进，两者贡献来源不同。
待验证50%