Sergey Levine· svlevine·· 2026-06-26AI 评分29
机器人RL过程奖励模型自动进化
We can learn a model that provides shaped "process rewards" for robotic RL, that evolves automatically as the policy gets better. This im...
AI 导读
我们可以学习一个为机器人强化学习提供塑形"过程奖励"的模型，该模型会随着策略变好而自动进化。这在基准测试上提升了性能，并且在真实世界中也有效！与 Raymond Tsao & @ajwagenmaker 合作的一些有趣新工作。
来源：Sergey Levine · x.com