跳到正文
arXiv · AI· Pengzhi Yang, Xinyu Wang, Pengyu Jing, Kehan Wen, Yiduo Qu, Zhenhao Huang, Minghao Fu, Xin Liu, Yaheng Shen, Fan Shi·· 2026-10-14AI 评分28

RARM: 基于置信度门控进度奖励建模的机器人操作强化学习

RARM: Confidence-Gated Progress Reward Modeling for RL in Manipulation

AI 导读

研究人员提出轻量级视觉比较器RARM,将单次成功演示转化为密集、进度感知的奖励。 RARM在通用视频上通过对比时序目标训练一次,无需机器人特定数据或任务奖励标签;部署时通过匹配片段并仅奖励高置信度的前进进度来抑制虚假阳性。 在LIBERO和MetaWorld的9个模拟任务及4个真实任务中,RARM在后续RL训练中取得了最佳整体成功率。

来源:arXiv · AI · arxiv.org