Marius Memmel等提出D&A解耦评估框架

2026年11月3日，Marius Memmel等在arXiv发表研究，提出D&A（Describe & Assess）零样本机器人奖励模型框架。该工作旨在解决视觉语言模型（VLM）在机器人任务进度估计中存在的确认偏差问题。 研究团队采用纯基于提示的方法，将进度估计解耦为两个阶段：首先对场景动态进行基于任务的客观文本描述，随后利用明确的评价标准进行评估。这种解耦设计使得D&A方法在跨任务泛化能力上表现优异，其性能匹配甚至超越了经过后训练的奖励模型。 此外，D&A框架能够输出细粒度的部分进度指标。这些指标不仅提供了更准确的评估依据，还能有效支持下游强化学习任务的执行，展示了该解耦描述与评估框架在机器人领域的实际应用价值。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。