TrustRoboReward

新框架TrustRoboReward改进机器人奖励模型

研究人员开发了TrustRoboReward，一个用于机器人奖励模型的新框架，它解决了成对偏好和逐点得分之间的一致性问题。该框架包括偏好排序等渗得分编辑（POISE），旨在通过增强视觉反馈来改进长时机器人操作。实验表明，使用POISE训练的Qwen3-VL-4B模型几乎能达到GPT-5-mini的性能，并在总体奖励得分和得分对一致性方面显著优于现有的RoboReward基线。