CMU 团队推出 SeeQ：VLM 训练通用机器人价值函数，真实任务成功率近翻倍

aviral_kumar2 · x · 2026-09-29

CMU Aviral Kumar 团队发布 SeeQ（Subtask-elicited Q-functions），在预训练 VLM（PaliGemma）之上训练通用机器人价值函数，用于引导和改进通用机器人策略。核心思路：Q 函数不再为整个长程任务估计价值，而是先以自然语言逐 token 预测当前活跃子任务，再估计其价值，从而缩短 TD 学习的信用分配视野，无需人工在部署时指定子任务。该函数在开源机器人操作数据上预训练、在下游任务上微调，用于 best-of-N 动作选择，在 4 个真实世界长程双臂操作任务上成功率接近翻倍。