同时 Adam 接受多样化的数据集驱动的深度强化学习（DRL），如人类演示学习、现实任务学习以及在高平行的 Nvidia Issac Gym 构建的环境模拟中学习。 而在仿真环境中训练 Adam 后，研究团队将训练好的模型无缝迁移至现实世界（Sim2Real），通过实时交互和大量的试错学习不断优化机器人的运动控制策略。