MARLIN：语言协商引导多机器人强化学习

Toby Godfrey、William Hunt 与 Mohammad D. Soorati 提交的预印本提出 MARLIN 混合框架：在强化学习策略尚未学到有效行为前，由大语言模型提供高层规划，机器人通过语言模型协商动作并生成计划来引导策略学习，训练中在强化学习与语言模型协商之间动态切换以改善探索。 作者称，在仿真和实体机器人上、使用本地与远程语言模型评估，相比标准多机器人强化学习，该方法在训练早期性能更高，对最终性能影响有限。代码已公开，论文被 ROBIO2026 接收；预印本尚未经同行评议，效果为作者自述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。