VLM preference feedback for robot reinforcement learning专业
让视觉语言模型给机器人尝试打分:SPEAR操作成功率88.9%,比现有方法高23.8个百分点
香港大学研究人员的预印本SPEAR用开源视觉语言模型做裁判,比较机器人两次尝试中哪次更好,以此训练机器人,在Meta-World六项操作任务上的平均最终成功率达到88.9%,最接近的现有方法RL-VLM-F为65.1%。提问次数减少41.5%,拒答率降到一半以下,并在真实Mobile ALOHA机械臂上从零学会三项任务。