RynnValue：时间距离驱动的机器人价值基础模型，成功率提升至72.5%

Alibaba-DAMO-Academy · hf · 2026-08-11

阿里巴巴达摩院推出 RynnValue，一个开源的机器人操作价值基础模型，用时间距离（从观察到语言指定目标的定向代价）替代偏好或进度等任务内锚点。时间距离标签可直接从时间戳获取，因此可扩展到 7000+ 小时、约 300 万条指令条件片段，无需偏好或进度标注。结合随机时间采样、时间顺序打乱和值隔离注意力，抑制捷径。在 RBM-EVAL-OOD 上平均 Kendall's taua 达 0.675，超过完全偏好监督的 SOTA（0.655），是仅进度方法的 2 倍多（0.292），并零样本泛化到未见任务、实体和视角。转换为密集奖励后，真实世界策略成功率从 52.5% 提升至 72.5%（在线），离线从 63.8% 提升至 82.5%。