本研究介绍了一个强化学习系统，通过在真实环境中训练并借助人类反馈不断改进，无需设计奖励函数或重置机制。
本研究介绍了一个强化学习系统，能够在真实环境中训练并不断改进。
该系统不需要设计奖励函数或重置机制。
通过自我监督学习算法和人类反馈，该系统指导探索和筛选学习策略。
在模拟环境和真实世界中的机器人任务评估中，该系统能够有效学习行为。
完成下面两步后，将自动完成登录并继续当前操作。
