D&A 方法让任意 VLM 变身机器人奖励模型，三项基准 SOTA
KyleMorgenstein · x · 2026-11-04
- D&A（Decoupling Description & Assessment）：通过把「描述」与「评估」解耦，让任意 VLM 家族（GPT、Gemini、Claude、Qwen 等）都能变成更好的零样本机器人奖励模型，且随底层模型升级而提升。
- 应用面：支持零样本 RL 与过滤式模仿学习（filtered IL），还能通过丰富的语言反馈改进 code-as-policies，在三个基准上拿到 SOTA。
- 引用案例：rosarioscaling 团队把 NIST 装配板的长时程稀疏奖励任务（只在完成整板时给 1）用策略回滚视频做逐任务奖励增密——作者称「dynamics reward models 的时代来了」。
- AlphaNIST 项目：受 AlphaZero 启发，在仿真中用端到端策略 + 二值任务奖励训练接触密集型精密装配，不做人工阶段拆解；NIST 板含 20 个装配任务、最小零件 4mm、间隙极紧，策略需自主决定装配顺序，跨 20 个异构装配统一训练，并利用缓存的部分装配/手中抓取等初始状态让机器人先练「收尾」再学全程。
所属事件:D&A 方法让任意 VLM 零训练变身机器人奖励模型(3 条相关)→
「具身」频道最新
- OpenRUA:开源权重 LLM 零样本操控机器人,Qwen 得分超 GPT-6 Astra 官方成绩 — pabbeel · 2026-11-04
- 曝苹果手表 beta 测试新 AI 功能：监听并分析周围对话 — Polymarket · 2026-11-04
- Boston Dynamics 依据 10 万小时运行数据重构 Stretch Gen 2:砍掉 81% 内部线缆 — xmercury_one · 2026-11-04
- 机器人领域融资再创历史新高，资本持续涌入 — Fowe · 2026-11-04
- 机器人仅用 15 分钟数据学会移动操作，视频预训练立功 — GordonWetzstein · 2026-11-04
- Dream Labs 零样本演示:端到端策略+MCP 规划器驱动 Dexmate 机器人 — scott_e_reed · 2026-11-04