$R^3$

$R^3$ 训练机器人进行自然语言推理以完成操作任务

研究人员开发了一种名为 $R^3$ 的新方法，该方法训练视觉语言模型 (VLM) 以在机器人操作任务中进行自然语言推理。这种训练后技术涉及在中期使用专家推理轨迹对 VLM 进行训练，然后通过从离线动作数据中进行强化学习来对其进行优化。 $R^3$ 方法旨在通过使用自由形式的语言推理来指导低级策略，使机器人能够处理复杂的、长期的任务，在 Language Table 和杂货打包等基准测试中，与模仿学习基线相比，表现出更好的探索和泛化能力。