确认门不会关上的那个片段。
「这个细节设计得很好。说明我们的团队不只是埋头做技术，真正思考了实际应用场景。这种用尸体验层面的考量，要继续保持。」
徐朗有些不好意思地笑了笑。
「这个其实是测试时偶然发现的。第一次测试时，机器人开门过去后，门自动关上了，把后面的测试仪器挡在外面。我们才意识到需要加这个动作。」
「发现问题，解决问题，这就是进步的过程。」
江倾对他们的工作表示肯定。
「还有湿滑地面的应对策略，虽然反应速度有待提高，但策略本身很聪明。
滑步通过比直接行走更安全，这个决策体现了算法已经具备了一定的环境理解能力。」
他看向徐朗，语气认真。
「这个案例要深入分析，看看算法是怎么学会这种策略的。如果是通过观察人类行为学到的，那说明我们的模仿学习模块效果很好。如果是通过强化学习自己探索出来的，那就更有价值了。
「已经在分析了！」
徐朗连忙回答。
「初步看是两者结合。训练时我们给模型看了大量的人类在湿滑环境下的行走视频，同时在仿真环境里让模型自己尝试各种通过方式。最终算法选择了一个折中方案。」
「很好。」
江倾满意地点点头。
接下来，会议进入了具体的优化方案讨论环节。
宇树与无问的工程师们轮流发言，提出各种改进建议。
有的建议优化传感器布局，减少盲区。
有的建议改进电池快换结构，把更换时间从现在的两分钟压缩到三十秒。
还有的建议在机器人身上增加简单的语音提示功能，比如「正在转弯」「请让一让」之类，提高人机协作的安全性。
江倾认真听著每一个建议，不时插话问几个细节。
他的问题总是切中要害，往往能从一个看似简单的建议里，引申出更深层的技术考量。
比如当有工程师提议给机器人增加面部显示屏，用来显示简单表情时，江倾没有直接否定，而是提出问题。
「这个功能的应用场景是什么？用户需要机器人有表情吗？增加显示屏带来的成本、功耗、可靠性问题，和它带来的用尸体验
本章未完，请点击下一页继续阅读！