软体机器人因其动力学不确定性，控制一直是个难题。一项研究提出了引导式强化学习框架，通过构建高性能仿真环境，成功训练出稳定的抓取策略，实现了在真实机器人上的零样本迁移，成功率高达88%，为软体机器人的实际应用铺平了道路。
智能速览
提出基于引导式强化学习的框架。
构建了350倍实时速度的MuJoCo仿真环境。
实现了零样本模拟到现实的稳定迁移。
在真实机器人上抓取成功率高达88%。
策略能自主进行重抓和扰动恢复。
精华内容
这项研究的核心在于如何让软体机器人在复杂的真实环境中稳定执行任务。通过一种巧妙的引导式强化学习方法，研究者们攻克了模拟与现实之间的鸿沟。
高性能仿真环境
为解决软体机器人动力学模拟的计算难题，研究团队基于MuJoCo构建了一个专用仿真环境。该环境具备极高的运行效率，单线程速度可达实时的350倍，为强化学习算法的海量训练提供了坚实基础，大幅缩短了策略学习周期。
引导式学习策略
研究的关键创新在于引入了“引导式强化学习”。该方法并非从零开始探索，而是结合简单的运动基元来设计奖励函数，有效引导智能体学习稳定的抓取动作。分析表明，最终学到的策略并非对基元的简单模仿，而是形成了更为复杂和鲁棒的控制模式。
零样本迁移与实测表现
在仿真中训练出的策略被直接部署到名为“Baloo”的真实软体机器人上，实现了零样本迁移。在对不同尺寸和重量的箱体进行抓取测试中，该策略取得了高达88%的成功率。这证明了该方法的有效性和泛化能力，是软体机器人操作领域的一项重要进展。
涌现的智能行为
令人惊喜的是，训练后的策略表现出了一些未曾明确教导的智能行为。当抓取失败或遇到外部扰动时，机器人能够自主进行重新抓取或在摇晃中恢复稳定。进一步分析发现，策略在扰动下甚至会主动“过度校正”以快速恢复姿态，展现出超预期的适应性和鲁棒性。
这项工作不仅在大规模软体机器人平台上首次实现了有力的零样本全身操作，更揭示了引导式强化学习在解决复杂控制问题上的巨大潜力。未来，软体机器人能否凭借此类技术更深入地融入我们的生活和工作场景？这值得期待。
