英文：Reward Shaping 分类：embodied
设计中间奖励引导智能体逐步接近稀疏最终目标的技术。稀疏奖励（只有终点有奖励）导致探索困难，塑形奖励让学习"有梯子可爬"。
原则：势能塑形（potential-based shaping，保证最优策略不变）；实践：距离奖励（靠近目标加分）、阶段奖励（完成子目标）、惩罚探索浪费；风险：奖励黑客（钻奖励空子）与局部最优。
用于机器人操作（逐步接近目标）、游戏（关卡推进奖励）、导航（到达中间点）与 LLM RL 训练（步骤奖励）；奖励塑形是"让 RL 学得动"的工程艺术。