Octi Zhang 等 · NVIDIA / University of Washington · 阅读原文
原始来源：Octi Zhang 等 · NVIDIA / University of Washington
发现渠道：AlphaNIST 项目页
发现渠道：Hacker News
AlphaNIST 在仿真中用单一策略学习NIST板的20种单件装配，二元成功奖励结合多样初态与成功率引导采样。作者报告98.2%训练成功；另训练的多件策略最多同时装配十组。没有完成整板二十件或真实机器人验证。
可信度 65 · 重要性 74 · 新颖度 78
技术与主题
具身智能 · 评测与基准 · 训练与对齐 · Multi-Task Reinforcement Learning · Sparse Rewards · Success-Guided Sampling
amluto
对AlphaNIST项目页的公开评论；未报告真实机器人实验。
忠实转述（非原句）：作者称演示很精彩，同时怀疑拧螺母动作能否直接用于现实。他担心把大量rollout搬到真实机器人后，清理掉落零件和处理物理损坏会成为负担，因而希望先降低训练尝试数量。
编辑评读
最有启发的不是“无需示范”四个字，而是起点设计仍提供了很强的支架：临近完成的状态让策略先练结尾，却不指定抓取与接触动作。二元奖励在这些对照中更好，需要连同采样规则和规模一起理解。
作者限制章节明确提到感知误差、时延和接触模型差异尚未验证。HN的amluto担心真实训练时的零件整理与损坏负担，这是部署问题的提醒，没有实测否定仿真结果。
需要留意
- 全在仿真，非硬件成功率
- 98.2%是训练结果，不是整板二十件装配成功率。