Shirui Chen

TOPReward 使用 VLM 令牌概率进行机器人学习奖励

研究人员开发了 TOPReward，这是一种新颖的方法，可以在无需手动注释或特定任务奖励模型的情况下，为机器人学习生成密集的、指令驱动的反馈。该方法利用预训练视频语言模型 (VLM) 的内部令牌概率来衡量任务进度，有效地将潜在理解转化为可用的奖励信号。TOPReward 在真实世界操作基准和 Open X-Embodiment 数据集上表现强劲，优于其他无需训练的 VLM 奖励方法，并显示出与训练奖励模型的竞争力。