Event2Reward：用进度关系学习机器人奖励

论文作者提出 Event2Reward 奖励学习方法：用归一化时间标签锚定进度尺度，用轨迹内的停滞、回退与恢复关系约束局部变化，把进度预测作为奖励塑形的势函数。作者称，在相同训练预算下，该方法在四个 LIBERO 套件的 40 个任务上平均策略成功率比仅用稀疏任务奖励的基线高 18.16 个百分点。 实机方面，作者称训练 30 分钟墙钟时间后，三个精密插入任务平均成功率 60.0%，三个物体操作任务 90.0%，在相同预算下分别比稀疏奖励基线高 36.7 和 23.3 个百分点。作者还从约 10 万条真实机器人执行记录中整理出带事件标注的数据集，涵盖成功、次优与失败执行，且不需要逐帧绝对进度标签。上述结果均为论文作者报告，尚未经独立验证。 该工作为 arXiv 预印本，未经同行评议。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。