提出VLMeg：让VLM做成功检测器的具身奖励方法

Xin Liu 等人在 arXiv 提出 VLMeg，把视觉语言模型（VLM）在具身强化学习奖励设计中的角色从奖励回归器改为成功检测器：先用探索增强的关键观测门控判断当前 episode 是否值得判定，再挑选混淆度最低的关键观测交给 VLM 评估，作为 episodic reward，并基于生成的成功轨迹引入探索激励。 论文称，在 MetaWorld 的 12 项无奖励任务上，VLMeg 的从零 RL 达到当前最好水平，超过先进的基于 VLM 的基线；在 3 项真实世界实验中，它也在完全没有真实奖励的情况下实现了有效 RL。代码将在论文录用后开源。

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。