机器人奖励模型综述:114种方法分为五类
Robotic Reward Models in the Foundation-Model Era
AI 摘要
Guoqiang Liang 等人发布机器人奖励模型(RRM)综述,将 114 种方法按输出语义分为结果、绝对进度、相对、时序价值与混合五类,梳理模型设计如何决定评估能力、原始经验如何转为监督信号。作者指出,现有评测依赖与示教顺序的一致性或下游策略增益,无法说明奖励是否真正反映任务完成度,并提出 RRM-Bench-1K。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。