本文提出了一种新型强化学习算法，有效解决机器人任务中的样本需求问题。该算法通过学习Q值评价网络，从噪声轨迹中有效学习价值函数，尤其在复杂的人形控制任务中表现突出。

该文章介绍了一种通过模态对齐的方式进行预测的模型，用于训练人形控制。模型能够预测感觉运动轨迹，实现零样本的行走，并推广到未见过的命令。这种方法有望在学习真实世界控制任务方面取得进展。