HoloBoxing

HoloBoxing 项目在 Reddit 上分享，提供了一种在消费级 GPU 上从零训练人形拳击策略的方法。

HoloBoxing 训练一个完整的人形拳击策略只需要 7 分钟（在单张消费级 GPU 上）。

HoloBoxing 采用分层控制架构：冻结一个预训练的全身控制器，只训练上层的紧凑规划器。

冻结全身控制器、只训练上层规划器可以避免端到端训练中常见的灾难性遗忘。

HoloBoxing 的 7 分钟训练时间得以实现，是因为梯度只穿过轻量规划器，反向传播代价极低。

HoloBoxing 项目同时开源了代码和论文。