在采用稀疏奖励的机器人任务中，如何定义并可靠检测任务成功，进而生成终止奖励？

定义层面：把任务成功拆成可观测的物理判据——目标位姿误差小于阈值、物体稳定落在支撑面、夹爪状态正确、接触力在范围内；避免「看起来像成功」的模糊定义。检测层面：仿真直接读真值状态；真机用状态估计加关键帧视觉分类器组合，阈值在标定后固定并版本化。可靠性保障：边界 case 显式处理（物体滑落、翻转、卡在边缘算失败）；人工抽检校准检测器的 precision/recall，把漏检误检率计入评测置信区间；检测器与策略联合迭代——策略学会蹭检测漏洞（把物体推到阈值边缘悬停）时收紧判据。终止奖励只在确认成功后给，失败与超时路径的奖励结构要与成功明显可分，防止策略学会利用终止逻辑。

加分点：成功判据粒度（二值成功 vs 分级质量分）对 value 学习与探索的影响；训练与评测共用同一检测器的过拟合风险（训练侧可加判据噪声或用更严格阈值）；以及成功检测错误率与策略上限的关系——检测器 precision 不够时 RL 会把误检当可利用漏洞。这题考工程严谨性，答案落地到「阈值版本化 + 抽检 + 回归集」就是实践过的信号。