arXiv cs.LG· Silong Yong, Stephen Sheng, Carl Qi, Xiaojie Wang, Evan Sheehan, Anurag Shivaprasad, Yaqi Xie, Katia Sycara, Yesh Dattatreya·· 9 小时前AI 评分29
VLLR：面向长时程机器人任务的通用稠密奖励框架
Generalizable Dense Reward for Long-Horizon Robotic Tasks
AI 导读
VLLR 是一种结合 LLM/VLM 外部奖励与策略自确定性内在奖励的稠密奖励框架，无需人工奖励工程即可微调机器人基础策略。在 CHORES 基准上，VLLR 相比预训练策略成功率最高提升 56%，在分布内任务上超越 SOTA RL 微调方法最高 5%，分布外任务最高提升 10%。该工作已被 IROS 2026 接收。
来源：arXiv cs.LG · arxiv.org