RARM：用置信度门控的进度奖励改进操作强化学习

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，用于改进操作任务的强化学习。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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。