arXiv · ML· Silong Yong, Stephen Sheng, Carl Qi, Xiaojie Wang, Evan Sheehan, Anurag Shivaprasad, Yaqi Xie, Katia Sycara, Yesh Dattatreya·· 2026-10-07AI 评分20
通用化密集奖励框架 VLLR 用于长时程机器人任务
Generalizable Dense Reward for Long-Horizon Robotic Tasks
AI 导读
针对长时程任务中的分布偏移问题,研究者提出通用化密集奖励框架 VLLR,无需人工设计奖励即可提升机器人性能。 该框架结合 LLM/VLM 生成外部奖励以初始化价值函数,并利用策略自确定性作为内部奖励辅助 PPO 微调。 在 CHORES 基准测试中,VLLR 较预训练策略成功率提升最高 56%,在分布外任务上较最先进 RL 方法提升最高 10%。
来源:arXiv · ML · arxiv.org