在具身智能任务中，如何设计奖励函数？有哪些典型的奖励设计思路？

典型思路按监督密度递增：1）稀疏奖励——只用任务成功/失败，无偏但探索难；2）势函数塑形（potential-based shaping）——以距离/子任务进度给密集信号，且理论上不改变最优策略；3）课程奖励——随训练进度逐步收紧容差或增加难度；4）学习型奖励——用成败分类器、视觉 reward model 或时间一致性自举从少量标注扩展到全量数据（π*0.6 的做法）；5）偏好奖励——人类偏好比较训练 reward model。

这题的高分点在风险意识：稠密手工奖励容易被黑客（机器人学会蹭奖励而不是完成任务），所以现代机器人后训练普遍「稀疏成功 + 学习型 value + 人工纠正兜底」。能对比仿真（可以放手塑形）与真机（信号只能来自少量人工核验）的不同约束更佳。