0x00 概要HIL-SERL 不是单一算法，而是一套高度集成的混合 RL 系统。它用 SAC 给机器人灵动的手臂、用 DQN 给机器人果断的夹爪、用二值分类器替代手工奖励设计、用人类干预数据弥合 RL 探索与 BC 模仿之间的鸿沟。这篇我们从算法角度逐层拆解它的设计逻辑。0x01 HIL-SERL 的总体算法思路1.1 HIL-SERL 的算法基因图谱HIL-SERL 的核心算法血统是：[MDP