Чекпойнт WARP-RM для оценки последовательностей в симуляции задачи с бутылками с шагом 15.

Подходит для: оценка последовательностей в симуляции с бутылками · ранжирование траекторий робота по ожидаемому вознаграждению · исследование reward-моделей для робототехнических задач