题主问这个领域的瓶颈，我觉得瓶颈是：

没法用

并没有问题。包括我们也在努力让强化学习变得好用通用，但目前依然是这个领域的瓶颈。另外游戏在我眼中不算是落地应用。

====== 再次更新

明确一下，我说的没法用是指现在主流学术研究。我们自己不但能用，而且用得很好。

本来就是打算吐槽一下现在的paper，没想到还引出了不少看笑话的。我说我跟滴滴合作，但是我没做调度任务，某些说我们调度做得一下就下线了，真是莫名其妙。

====== 更新

好多留言说明了“没法用”反映出大家的心声。实际上强化学习这个古老的研究领域2016前在国内一直比较冷的根源就是没法用。研究领域大家也都清楚强化学习算法样本利用率低，然后做出了很多改进，但是要改进到什么程度才能有用呢，其实根据我们的经验有一个标准：

零试错：一次试错不能有，上线即能发挥效果，还要明显优于基线

offline RL是个正确的方向，但是目前的主流研究也有很多明显的弯路，可能发论文与做落地本身就是不同的事，大家的关心点不可能完全一致吧。

说没法用只是吐个槽，要想发论文，就只能沿着所谓的SOTA来改进，即使是看起来没有希望的方向。

另外就是我们的落地越来越多，不再想着去说服别人RL可以用了