伯克利罗剑岚：机器人的范式革命，藏在真实世界中
文章概要：
1.伯克利大学Sergey Levine团队发布了一项强化学习方向的重磅工作——HIL-SERL，该工作基于强化学习框架HIL-SERL，研究者可以直接在现实世界中训练通用机器人操作策略。
2.中国青年科学家、伯克利在读博士后罗剑岚是HIL-SERL工作的核心作者，HIL-SERL是基于SERL的升级版，加入人类纠正这一微小的差异，对于让策略从错误中学习并提高性能至关重要，特别是针对那些对智能体来说得从头开始学习的任务。
3.罗剑岚已在机器人真机RL方向“固执”了将近十年时间，他认为机器人的真机RL是一个长期命题，一旦克服、将对机器人学习的突破产生范式般的变革。
4.罗剑岚是现实世界和真实数据的坚定拥护者，他认为在真实环境中进行训练是必要的，虽然现在有些成功的深度学习仿真系统，但如果你构建了一个仿真器，从中学习出的策略是不可能超越仿真器本身能力的。
5.罗剑岚认为大模型的诞生让强化学习的热潮在Robot Learning领域冷却了不少，他预测现在这些大规模使用模仿学习的创业公司，在他们试过之后，知道痛点在哪之后，明年开始就会去优化成功率，节拍数，和一定的鲁棒性。
6.罗剑岚认为强化学习在机器人学习或具身智能里发挥的作用是不可或缺的，它将是具身智能一部分。
7.罗剑岚认为中国在全球产业链、供应链中的作用并非仅仅是降低成本，中国作为拥有完整产业链的工业国家，正在重新定义产品价值和定价体系，目标不是制造廉价产品，而是全产业链的优势，重新教育和定义市场，确立自己的定价权。
8.罗剑岚认为突破性的原创研究如果能真的转化为实际应用，会创造更大的社会价值，他接下来会关注通用高性能机器人，尤其是在工业生产领域。
阅读原文
2.中国青年科学家、伯克利在读博士后罗剑岚是HIL-SERL工作的核心作者，HIL-SERL是基于SERL的升级版，加入人类纠正这一微小的差异，对于让策略从错误中学习并提高性能至关重要，特别是针对那些对智能体来说得从头开始学习的任务。
3.罗剑岚已在机器人真机RL方向“固执”了将近十年时间，他认为机器人的真机RL是一个长期命题，一旦克服、将对机器人学习的突破产生范式般的变革。
4.罗剑岚是现实世界和真实数据的坚定拥护者，他认为在真实环境中进行训练是必要的，虽然现在有些成功的深度学习仿真系统，但如果你构建了一个仿真器，从中学习出的策略是不可能超越仿真器本身能力的。
5.罗剑岚认为大模型的诞生让强化学习的热潮在Robot Learning领域冷却了不少，他预测现在这些大规模使用模仿学习的创业公司，在他们试过之后，知道痛点在哪之后，明年开始就会去优化成功率，节拍数，和一定的鲁棒性。
6.罗剑岚认为强化学习在机器人学习或具身智能里发挥的作用是不可或缺的，它将是具身智能一部分。
7.罗剑岚认为中国在全球产业链、供应链中的作用并非仅仅是降低成本，中国作为拥有完整产业链的工业国家，正在重新定义产品价值和定价体系，目标不是制造廉价产品，而是全产业链的优势，重新教育和定义市场，确立自己的定价权。
8.罗剑岚认为突破性的原创研究如果能真的转化为实际应用，会创造更大的社会价值，他接下来会关注通用高性能机器人，尤其是在工业生产领域。