来源：原文链接： https://mp\.weixin\.qq\.com/s/tFfBQaXAMH4HM9obaSqjYg 让机器人在真机上靠自己越练越好，是这两年具身圈最主流的一条路，做法是让策略先从离线示范里学个底子，再靠一个奖励信号在真机上反复迭代。整条链路的成败几乎都取决于这个奖励信号，可它偏偏是最难拿的一环。 难处在于，一件长活儿的“好”从来不止一个维度。让一台 Fran...