arXiv cs.RO 机器人学· Pengzhi Yang, Xinyu Wang, Pengyu Jing, Kehan Wen, Yiduo Qu, Zhenhao Huang, Minghao Fu, Xin Liu, Yaheng Shen, Fan Shi·· 5 小时前精选AI 评分55
RARM：用置信度门控的进度奖励模型改进操作任务强化学习
RARM: Confidence-Gated Progress Reward Modeling for RL in Manipulation
AI 导读
论文提出 Reference-Anchored Reward Model（RARM），一个轻量视觉比较器，把单次成功演示转化为稠密的进度感知奖励。RARM 仅需通用视频以对比时序目标训练一次，无需机器人数据、任务专属奖励标签或逐任务奖励工程；部署时将 rollout 片段与参考片段匹配，只奖励有把握的前进进度。
推荐理由
论文说明了稀疏奖励与手工密集奖励的取舍背景，可帮助读者理解进度奖励模型的定位。
来源：arXiv cs.RO 机器人学 · arxiv.org