RoboFQE：用离线轨迹免推演评测视觉机器人策略

Yunfu Deng 等研究者提出 RoboFQE，一种从离线机器人轨迹估计目标策略折扣期望回报的评测器，无需估计行为策略密度，也无需真实奖励标签，结合 fitted Q-evaluation、预训练视觉基础模型与学习到的终端成功标注完成评测。 论文称，在仿真与真实操作任务的对照实验中，RoboFQE 给出准确的回报估计并保持策略排序，即使在视频世界模型评测器因自回归误差退化的长时程任务上也是如此；消融实验显示预训练视觉编码器明显优于从零训练，学习到的终端成功标注可在无真实奖励标签时评测，仅带来轻微精度下降。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。