2026年10月21日，arXiv 上釋出了一篇題為《MPBRS: Multi-Potential-Based Reward Shaping for Unified Reward Configuration in Humanoid Locomotion》的機器人學（cs.RO）預印本論文，編號 arXiv:2610.30334（v1），同時歸類於人工智慧（cs.AI）方向。論文由 Van Chung Nguyen 與另一位作者共同完成，提交時間為 2026 年 10 月 21 日 18:52:28 UTC，全文約 4,035 KB。作者提交時使用了 arXiv-issued DOI（透過 DataCite，狀態為待註冊），即 https://doi.org/10.48550/arXiv.2610.30334。
論文所針對的核心問題是：在為人形機器人運動控制構建強化學習（RL）流水線時，獎勵函式的設計與調參仍然是最主要的難點之一。獎勵塑形（reward shaping）雖然能夠加速學習過程，但若塑形項設計得過於樸素或隨意，往往會與期望行為相沖突，容易對某一特定機器人過擬合，或是在權重發生細微變化時表現出不穩定性。這些問題使得獎勵工程在實際部署中既耗時又脆弱。
為此，作者採用了基於勢函式的獎勵塑形（Potential-Based Reward Shaping，PBRS）作為替代方案。PBRS 的基本思想是：透過勢函式之差來構造塑形獎勵，從而在不改變最優策略的前提下引導探索。也就是說，塑形隻影響學習路徑與探索效率，而不改變問題的最優解，這從根本上規避了傳統塑形項可能扭曲目標行為的問題。
在此基礎之上，論文進一步研究了面向人形機器人運動控制的多勢函式 PBRS（Multi-PBRS，MPBRS），並提出了一套統一的獎勵配置方案。其關鍵設計目標是讓同一套獎勵結構與權重能夠跨機器人複用：在實驗中，作者將完全相同的獎勵結構與權重應用於九款不同的人形機器人，而遷移時僅需提供機器人特定的後設資料，包括關節/連桿對映（joint/link mappings）與預設姿態（default poses），無需針對每臺機器人重新設計獎勵。
實驗結果顯示，與標準塑形方法相比，MPBRS 在不同機器人之間表現出更一致的縮放行為（scaling behavior），並且對調參的敏感度顯著降低。這意味著工程師可以更容易地完成獎勵調優，同時由於其勢函式差分的性質，調優過程不會改變最優策略。論文同時提供了 PDF、實驗性 HTML 版本以及 TeX 原始碼等全文連結，並附有音訊摘要功能。需要指出的是，該文為 arXiv 預印本（v1），尚未經過同行評審，其結論仍有待後續工作驗證；此外，跨九款機器人的評估雖提升了通用性論據的說服力，但機器人特定後設資料（關節/連桿對映與預設姿態）的準備仍是該統一配置落地時不可省略的前置條件。