D&A 方法零训练把任意 VLM 变成机器人奖励模型，拿下三榜 SOTA
KyleMorgenstein · x · 2026-11-04
研究者 memmelma 团队提出 D&A（Decoupling description & assessment）：将「描述」与「评估」解耦，可零样本提升 GPT、Gemini、Claude、Qwen 等任意 VLM 家族在机器人任务上的奖励模型表现，无需任何训练。
- 把任意机器人执行任务的（部分或完整）视频加文字描述输入 D&A，即可直接得到现成的奖励模型，支持零样本强化学习与过滤式模仿学习
- 还能通过丰富的语言反馈改进 code-as-policies 类方法
- 在三个基准上取得 SOTA；作者转发示例显示，在 SGS 运动控制任务上 D&A 只在目标出现在画面中时才给出额外奖励，行为合理
项目主页见原帖链接。
所属事件:D&A 方法让任意 VLM 零训练变身机器人奖励模型(4 条相关)→
「具身」频道最新
- 开源 Physical AI 系统 Corebrum OS 可装上 NVIDIA Jetson 等任意 Ubuntu 机器 — chrismatthieu · 2026-11-04
- AI 版机器人评测来了：GPT-6 Astra 操控机械臂夺第一，均耗时 30 分钟、$16 — ArtificialAnlys · 2026-11-04
- Claude Opus 5.5 控制机械臂：完成任务后又徒劳推了22分钟 — ArtificialAnlys · 2026-11-04
- Waymo 南湾扩张:新增 Berryessa 与 Milpitas 两站及 Monte Sereno 部分 区域 — reed · 2026-11-04
- Diamandis:家用机器人每周省 10 小时,才是大众在意的机器人经济 — PeterDiamandis · 2026-11-04
- Wafer 联合创始人加盟 Nothing,继续打造理解用户的移动 OS — zack_overflow · 2026-11-04