D&A 方法让任意 VLM 零训练变身机器人奖励模型
华盛顿大学与 NVIDIA 团队提出 D&A（Decoupling Description and Assessment）方法，将 VLM 评估机器人任务进度拆解为「先描述视频内容、再进行评估」两步，使 GPT、Gemini、Claude 等任意 VLM 家族无需训练即可零样本充当奖励模型。只需一段机器人执行任务的视频加文字描述即可获得现成 reward model，并在三项基准上取得 SOTA，作者还在 SGS locomotion 任务上进行了演示。
2026-11-03 ~ 2026-11-04 · 3 条相关
- D&A 方法让 VLM 零样本充当机器人奖励模型，三榜 SOTA — DJiafei · 2026-11-03
- D&A 方法零训练把任意机器人视频变成现成 reward model — KyleMorgenstein · 2026-11-04
- D&A 方法让任意 VLM 变身机器人奖励模型，三项基准 SOTA — KyleMorgenstein · 2026-11-04