English(EN) Progress Reward Modeling for Robotic Learning: A Comprehensive Survey

调查统一了机器人学习的进度奖励建模

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-27 04:00

本调查论文提供了一个统一的框架来理解机器人学习中的进度奖励建模。它将现有研究组织成三个关键领域：进度模型的接口、用于构建进度信号的方法，以及支持这些方法的数据和基准。该论文旨在阐明进度模型是如何构建和验证的，识别当前的局限性，并提出该领域的未来研究方向。 AI

影响提供了进度奖励建模技术的结构化概述，帮助研究人员开发更有效的机器人学习系统。

排序理由该条目是发表在arXiv上的调查论文，将其归类为研究。 [lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jianshu Zhang, Keliang Wu, Haoran Lu, Anbang Liu, Ce Zhang, Weijie Yin, Chengxuan Qian, Xiyuan Yang, Zhenyu Pan, Guo Ye, Han Liu · 2026-07-27 04:00

Progress Reward Modeling for Robotic Learning: A Comprehensive Survey

arXiv:2607.21655v1 Announce Type: cross Abstract: Robotic learning takes place in dynamic environments with large behavior spaces. A terminal success signal only tells the robot whether the task is completed. It does not explain whether the current behavior is making progress, re…