本文介绍了FALCON，一个双智能体强化学习框架，旨在提高人形机器人在复杂任务中的力自适应能力。通过解耦上下肢学习并共享本体感知，FALCON在搬运、拉车和开门等任务中表现出更好的适应性和稳定性，优于现有方法。然而，FALCON仍需克服多接触交互和外部力矩的局限性。

本研究针对不一致决策频率下的动态定价与补货问题，提出了一种双智能体DRL算法，显著提升了定价与库存管理效率。实验结果表明，该方法在多种产品场景中表现优异。