LoopWAM: Cải thiện chính sách tổng quát theo vòng kín từ các lượt triển khai

Chỉ mở rộng dữ liệu trình diễn của chuyên gia không giúp các chính sách robot tổng quát tự cải thiện sau khi triển khai. Các lượt chạy trong thế giới thực chứa cả thành công, hành vi chưa tối ưu và thất bại; bắt chước mọi hành động có thể củng cố hành vi kém, còn loại bỏ thất bại sẽ làm mất bằng chứng về vật lý.