AlphaNIST：二值任务奖励下涌现的装配技能

AlphaNIST 在 NIST Assembly Task Board #1 全部 20 个装配任务上从零训练单一策略，仅用稀疏二值任务奖励，达到 98.2% 整体训练成功率，无需演示、进度塑形、脚本化基元或逐任务调参。该框架还在单回合内完成十组装配且不预设顺序，仅当十组同时完成才给奖励，学到为后续装配选抓取、利用周围几何重定向零件、交叉准备零件等类规划行为。