研究者提出的 D&A 方法将描述与评估解耦,让视觉语言模型无需针对任务专门收集机器人演示,即可零样本充当机器人奖励模型,还支持零样本强化学习与数据过滤,这一解耦思路让奖励模型的建立不再依赖为每个任务专门收集机器人演示数据,从而降低了数据准备的门槛。
正文完
研究者提出的 D&A 方法将描述与评估解耦,让视觉语言模型无需针对任务专门收集机器人演示,即可零样本充当机器人奖励模型,还支持零样本强化学习与数据过滤,这一解耦思路让奖励模型的建立不再依赖为每个任务专门收集机器人演示数据,从而降低了数据准备的门槛。