LeRobot 推出零样本奖励模型API

RemiCadene · x · 2026-07-13

LeRobot v0.6.0 新增了一套统一的 reward models API，用来判断机器人任务是否成功。主要有两种零样本方案： - **Robometer**：在 100 万+轨迹、21 种机器人形态上训练的通用奖励模型，输入 LeRobot 数据集的视频和语言指令，就能直接打分任务进度与成功情况，不需要针对单一任务重新训练。 - **TOPReward**：更进一步，不需要任何 reward 权重，直接把现成的 VLM 包起来，读取给定视频与指令下 “True” 这个 token 的对数概率来判断结果。此外，这两个方案都配套标注脚本，可以把逐帧进度曲线写回数据集，方便后续做 reward-aware behavior cloning。