VLLR：用LLM/VLM与自确信度为机器人任务生成稠密奖励
热点事件观察中
VLLR：用LLM/VLM与自确信度为机器人任务生成稠密奖励
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Silong Yong 等研究者提出 VLLR 稠密奖励框架，用 LLM/VLM 的外在奖励与策略自确信度的内在奖励微调机器人基础策略，无需人工设计奖励，论文被 IROS 2026 接收。 具体分工是：LLM 把任务分解为可验证子任务，VLM 估计进度以初始化价值函数，且仅在短暂热身阶段使用；策略自确信度则在 PPO 微调全程提供逐步内在引导。 在覆盖移动操作与导航的 CHORES 基准上，论文称 VLLR 相比预训练策略最高取得 56% 的绝对成功率提升，相比最先进的 RL 微调方法在分布内任务上最高提升 5%、分布外任务上最高提升 10%。
AI 根据报道生成 · 1 天前更新
最新进展10月7日 12:00
VLLR：面向长时程机器人任务的可泛化稠密奖励框架（IROS 2026）报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.RO 机器人学VLLR：面向长时程机器人任务的可泛化稠密奖励框架（IROS 2026）
论文提出 VLLR 稠密奖励框架，结合 LLM/VLM 的外部奖励与策略自确信度的内部奖励，在无需人工设计奖励的情况下微调机器人基础策略。LLM 将任务分解为可验证子任务，VLM 估计进度以初始化价值函数并仅用于短暂热身阶段，自确信度则在 PPO 微调全程提供逐步内在引导。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 910月7日 14:00
- 近 24 小时变化
- -50%
02.557.510
18:0010月8日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。