在机器人领域，完成一个动作和真正掌握一项技能之间，还隔着一道看不见的坎。

实验室里，机器人已经能完成抓取、整理、折叠衣物，甚至连续操作任务。但一旦进入真实环境，事情就变得棘手许多。

高成功率、高稳定性、高执行效率，三者缺一不可。少一个，都会让机器人“掉链子”。

2026年7月22日，发表在《Science Robotics》上的一项研究给出了一个新思路：RL-100框架。

它把模仿学习（IL）和强化学习（RL）结合起来，对基于扩散模型的机器人控制策略做了一次深度优化。

^{论文链接：https://www.science.org/doi/10.1126/scirobotics.aed6267}

优化机器人能力

近年来，机器人学习的一条重要路径，是让机器人通过观察人类示范来获得技能，也就是模仿学习。

研究人员用遥操作设备控制机器人，记录下移动、抓握等关键信息，再让模型从这些示范数据中学习，生成类似人类的操作策略。

理论上，强化学习可以通过不断试错，帮机器人找到更优策略。

但在真实机器人环境中，直接使用强化学习并不容易。因为环境复杂、成本高，试错风险也大。

RL-100正是针对这个问题提出的一套统一优化框架。

研究团队没有直接替换原有策略，而是在已有模仿学习策略的基础上进行强化学习微调。

RL-100的优化路径

• 先用人类示范建立稳定的行为基础；
• 再通过离线强化学习利用已有数据优化策略；
• 最后通过少量真实环境交互完成在线调整。

^{图 1：真实机器人快照展示了任务套件的多样性。}

RL-100将模仿学习和强化学习统一在一个截断的近端策略优化袋里目标下，并应用于去噪过程，从而在离线和在线阶段都实现了保守且稳定的改进。

为了满足部署延迟要求，轻量级一致性蒸馏把多步扩散压缩为一步控制器，实现了高频控制。

真实世界实验结果相当亮眼。

RL-100在所有八项任务中均实现了100%的成功率，并且保持了长期稳定。

根据团队预估的方案，在1000次评估试验中也同样实现了100%的成功率。

效率方面，RL-100的完成时间接近人类远程操作水平，在多项任务中与熟练操作员匹敌甚至超越。

八项实操评估

为了验证这一框架是否真的能提升机器人的实际操作能力，研究团队将RL-100应用到了多种真实机器人任务中。

实验覆盖了8项不同类型的操作任务，包括推动物体、保龄球操作、倾倒液体、毛巾折叠、螺丝旋拧、榨汁以及双臂盒子折叠等。

这些任务涵盖机器人操作中的多个难点，包括控制精准度、动作协调连续性，以及涉及流体变化的动作等。

相比简单的单步动作，这些任务要求机器人在连续过程中不断调整策略。

^{图 2：八个真实世界任务的推广轨迹。}

研究团队首先利用人类遥操作数据训练初始策略，然后使用RL-100进行优化。

实验结果显示，经过强化学习优化后的机器人策略，在测试任务中实现了稳定的操作表现。

与基线方法和人工操作相比，成功率和完成时间都有明显改善。

在预设测试条件下，RL-100完成了全部8项任务，并达到100%的成功率。

强化学习带来的提升

仅仅达到较高成功率，并不足以证明强化学习真正发挥了作用。

对于机器人学习而言，更重要的问题是：经过强化学习优化后，机器人是否能够超越原始示范策略？

为此，研究团队进一步比较了RL-100与单纯模仿学习策略在多个任务中的表现。

^{图 3：RL-100 与算法基线或人工操作员在部署时间任务完成效率方面的比较。}

相比直接学习人类示范的策略，RL-100能够减少操作过程中的失败行为，并逐渐形成更加稳定的动作方式。

这种提升来自于强化学习对任务目标的直接优化。强化学习更关注任务反馈，当示范动作本身也不是最优解时，它就能帮助机器人调整原有动作。

这一点在与人类和人机协作的比较中也有体现。

^{图 4：RL-100 在竞争和服役环境中的应用。}

在部分任务中，经过RL-100优化后的机器人策略表现已经接近甚至超过人工操作效率。

这些结果表明，从强有力的人类先验出发，再用真实世界强化学习进行后期训练，让RL-100在完成时间效率方面达到了甚至超越了人类的专业表现，同时仍然适合实际部署。

适用于现实的优化框架

研究团队引入的新AI学习方法有望应用于其他机器人，并在更广泛的场景中进行测试。

最终，它有望推动开发能够有效应对从制造步骤到食品准备和家务等各种任务的系统。

团队正在尝试调整他们的训练后强化学习方法，使其也能用于训练更大规模的视觉-语言-行动模型。

如果成功，其框架有望应用于更复杂的机器人，使其能够应对更广泛的现实任务。