Menlo Asimov v1: On-Device Predictive Self-Recovery Engine

Ringkasan Performa Benchmark (20 Stage Malfungsi)

• Baseline (Static Policy): 5,818 steps
• Metode Kita (Tuned LR 1e-06): 6,267 steps (+449 steps surplus)
• Win Rate: 18 / 20 Stage (90% Win Rate)
• Parameter Drift: 0.977% (Preservasi gait stabil tanpa catastrophic forgetting)

Berkas Checkpoint:

• asimov_adapted_policy.pt: Policy network yang sudah terkonsolidasi dengan pola kompensasi anomali.
• asimov_base_policy.pt: Nominal policy dasar.
• asimov_world_model.pt: Dynamics predictor untuk kalkulasi surprise & mental imagination search.
• config.json: Metadata dimensi observasi, aksi, dan konfigurasi pelatihan.