arXiv · ML· Xin Liu, Yutong Jiang, Jian Su, Ziheng Wang, Chuang Wang, Haoran Li, Dongbin Zhao·· 2026-10-14AI 评分30
VLMeg:基于探索增强关键观测门控的具身强化学习视觉语言模型奖励设计
Harnessing VLM in Embodied RL: From Reward Regressor to Success Detector via Exploration-Augmented Key-Observation Gating
AI 导读
提出VLMeg方法,将视觉语言模型从奖励回归器转变为成功检测器,通过探索增强关键观测门控机制优化具身强化学习。 门控机制通过判断相似性避免冗余调用并提升检测精度,引入高级探索激励以提高奖励触发效率。 在MetaWorld基准上实现从头开始强化学习的SOTA结果,胜过12个无奖励任务的基线,并验证了3个现实世界实验的有效性。
来源:arXiv · ML · arxiv.org