#HumanoidBench (1)

FastDSAC：通过约束探索增强策略可塑性实现可扩展人形运动

对目标动作施加均值中心 tanh 截断映射，仅用于 Bellman 备份中目标 Q 值计算，用变量替换推导一致熵项——减少极端目标动作方差放大，在 MuJoCo Playground 和 HumanoidBench 上实现更快更可靠的离策略 RL 训练。