机器人操控一直是 机器人技术 领域的核心挑战。从工厂中的机械臂到家庭服务机器人，如何让机器人灵活、 精细且智能地完成各种操作任务，是研究者们数十年来努力的方向。传统的操控方法往往需要工程师精心设计 控制规则，或者让机器人反复观看人类演示进行模仿学习。但这些方法通常缺乏适应性，遇到新场景容易失 败，且难以达到人类水平的熟练度和速度。 近年来， 强化学习（ RL ）提供了一种新思路：让机器人通过自主尝试和错误来学习技能，根据结果调整策 略。 然而，在现实世界中训练机器人成本高昂、效率低下，且存在安全风险，因此，尽管 RL 在模拟环境中 表现优异，将其直接应用于真实机器人始终困难重重。 针对以上 难题 ， 来自美国伯克利大学的刘建兰研究 团队提出了基 于 视觉的人机协同强化学习系统（ HIL- SERL ） ，正在改变这一局面。该系统仅需 1 至 2.5 小时的真实世界训练，就使机器人精通了一系列复杂 操作任务，成功率近乎完美，执行速度甚至超越人类水平。 该成果以 " Precise and dexterous robotic manipulation via human-in-the-loop reinforce ...