主要观点总结
四位嘉宾围绕RL、Control和机器人可靠性之间的关系进行了深度讨论。石冠亚认为可靠性包含多个维度，且需要结合场景对泛化性的需求程度。朱秋国表示，学界的可靠性和产业界的可靠性不完全相同，需要解决硬件和软件融合后的可靠性问题。罗剑岚指出，机器人要想真正发挥作用，成功率需达到100%，并需要与环境交互。卢宗青认为，与现实世界交互，必须使用强化学习（RL）。嘉宾们还讨论了机器人的移动和操作，以及未来RL的创新方向，强调了机器人学习领域面临的挑战和机遇。
关键观点总结
关键观点1: 可靠性的多维度
石冠亚提出，可靠性包含硬件稳定性、兜底恢复能力，并强调与场景泛化性的需求程度相结合。
关键观点2: 学界与产业界的可靠性差异
朱秋国强调，学界的可靠性难以直接套用到产业产品中，需要解决硬件和软件融合后的可靠性问题。
关键观点3: 成功率需达到100%
罗剑岚指出，机器人成功率需达到100%才能充分发挥作用，这涉及到与环境的交互。
关键观点4: 强化学习在机器人学习中的作用
卢宗青强调，与现实世界交互，必须使用强化学习（RL）。
关键观点5: 机器人学习领域的挑战与机遇
嘉宾们共同探讨了机器人的移动和操作，以及未来RL的创新方向，强调了该领域面临的挑战和机遇。
文章预览
真实世界，才是检验机器人 Learning 有效性的终极考场。 整理丨吴华秀 编辑丨陈彩娴 稳定性是制约人形机器人落地的重要因素之一，如何利用强化学习（RL）与基于模型的控制（MBC）来进一步提高机器人的稳定性，已成当下业界的重要研究方向。 2024 年 12 月 8 日，雷峰网、AI 科技评论 GAIR Live 品牌联合石麻笔记一起举办了一场主题为“RL+Control：将机器人可靠性逼近99.9x%”的线上圆桌沙龙。 圆桌主持人为石麻笔记主理人、英诺天使投资人王建明，并邀请了浙江大学副教授与云深处创始人朱秋国、北京大学助理教授卢宗青、卡内基梅隆大学（CMU）石冠亚与加州大学伯克利分校博士后罗剑岚一起进行了一场深度的讨论。 会上，四位嘉宾围绕 RL、Control 和机器人可靠性之间的关系分别提出了自己的独到见解，其中： 石冠亚认为，可靠性包含多个维度：底
………………………………
