arXiv · 机器人与计算机视觉· Silong Yong, Stephen Sheng, Carl Qi, Xiaojie Wang, Evan Sheehan, Anurag Shivaprasad, Yaqi Xie, Katia Sycara, Yesh Dattatreya·· 2026-10-07精选AI 评分82
通用稠密奖励用于长周期机器人任务研究
Generalizable Dense Reward for Long-Horizon Robotic Tasks
AI 导读
针对现有机器人基础策略在长周期任务中因分布偏移和误差累积而表现不佳的问题,该研究提出 VLLR 框架。该方法结合大语言模型(LLMs)与视觉语言模型(VLMs)生成外显奖励以识别任务进度,并利用策略自确定性提供内隐奖励指导强化学习微调。
推荐理由
该工作提出 VLLR 框架,利用大模型分解任务与视觉语言模型初始化价值函数,结合策略自确定性奖励,在无需人工设计奖励的情况下提升长程任务的泛化成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org