跳到正文
arXiv · 机器人与计算机视觉· Eren Sadikoglu, Aditya Taparia, Xinyuan Liu, Ransalu Senanayake·· 2026-10-06精选AI 评分83

ROOT:发现用户指定具身行为的奖励函数

ROOT: Discovering Rewards for User-Specified Embodied Behaviors

AI 导读

ROOT 是一种用于发现奖励函数的框架,旨在使学习策略与用户指定的具身行为对齐。该方法将奖励设计转化为对持久实验树的观察引导搜索,利用视频语言模型提炼的行为洞察来诊断失败并指导奖励优化。

推荐理由

ROOT 框架通过可观测树搜索与视频语言模型诊断,解决了 LLM 生成奖励函数难以捕捉细微行为属性的问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org