你教机器人倒水，最怕它一上来就靠摔杯子“积累经验”。模拟训练更安全，但模拟环境终究不是真厨房；只模仿人类，又容易被示范的质量限制。Kun Lei 等人发表于《Science Robotics》的研究，尝试让机器人先打好基础，再到真实现场谨慎练习。同期，Johannes A. Stork 也以《Beyond imitation》讨论机器人在真实世界学习的问题。
先学样子，再补经验
据 arXiv 论文摘要，团队提出 RL-100。它先用人类示范训练扩散视觉运动策略——一种把相机画面直接变成机械臂动作、并通过多步修正生成动作方案的模型。随后，机器人从已有记录中做迭代式离线强化学习；最后才在线操作，用真实反馈处理仍会失败的情形。
这条路线像学徒上岗：先看师傅示范，再复盘旧案例，最后在现场补课。关键是把高风险的盲目试错压到后段。离线阶段还用 Offline Policy Evaluation（离线策略评估）判断是否采用类似 PPO 的更新，意图让改进更保守、稳定。
现场成绩意味着什么？
论文摘要称，研究覆盖七类真实机器人任务，包括动态推物与保龄、倾倒液体和颗粒、折叠布料、旋拧，以及多阶段榨橙汁。作者报告，系统在所评估的 900 次真实机器人试验中全部成功，其中一项任务连续完成最多 250 次，并展示最长两小时不间断运行。
扩散策略通常要反复“去噪”才能决定动作，可能拖慢控制。团队加入轻量一致性蒸馏，把多步采样压成单步；作者称延迟约降低一个数量级，同时保持任务表现，完成速度接近或超过人类遥操作。
真正值得看的，是训练路线
这项工作的看点不只是“机器人学会了几项任务”，而是把模仿、低风险的离线改进和少量现场探索串成一条路线，正面回应真实世界学习的三道门槛：数据昂贵、设备可能受损、在线试错耗时。它提示我们，机器人走出模拟器未必意味着从零乱试，而可能是把最危险的探索留到最后，并用评估机制控制更新幅度。
局限与未知
- 现有供稿没有论文全文、基线对比和现场条件，无法独立判断“全部成功”的适用边界。
- 900 次成功、速度和延迟数据均来自 arXiv 摘要中的作者报告，尚不能据此推断系统可在任意场景自主学习。
- Stork 的文章是否属于针对该研究的同期评论、与研究团队是否存在关联，供稿材料没有说明。