TOPReward gewinnt dichte Fortschrittsbelohnungen aus Token-Wahrscheinlichkeiten vortrainierter Video-Sprachmodelle, ohne aufgabenspezifisches Belohnungstraining. Die Methode unterstützt Erfolgserkennung und belohnungsgewichtetes Imitationslernen.

Grundinformationen

Modelltyp
Belohnung und Bewertung
Erfasste Versionen
LeRobot TOPReward
Verwandte Roboter
2

Modellhistorie

Februar 2026

Originalarbeit zur TOPReward-Methode veröffentlicht

Neue RessourcenOffizielle Bekanntgabe

Die Originalarbeit führt trainingsfreie Tokenwahrscheinlichkeits-Rewards für Robotertrajektorien ein.

Aktuelle Bekanntgabe

Die Originalarbeit führt trainingsfreie Tokenwahrscheinlichkeits-Rewards für Robotertrajektorien ein.

Erste arXiv-Offenlegung der Originalmethode, kein bestätigter Start der späteren LeRobot-Implementierung oder neuer Modellgewichte.

Geprüft am 7. November 2026
Alle wichtigen Änderungen ansehen →

Publikationen (1)

TOPReward: Tokenwahrscheinlichkeiten als verborgene Zero-Shot-Belohnungen für Robotik

Fachartikel verfügbar

TOPReward: Token Probabilities as Hidden Zero-Shot Rewards for Robotics

arXiv: 2602.19313DOI: 10.48550/arxiv.2602.19313
Autoren und Einrichtungen (9)

Autorenreihenfolge: Originalreihenfolge

  1. Shirui ChenCorresponding author

    University of Washington · Allen Institute for AI

  2. Cole Harrison

    Amazon

  3. Ying-Chun Lee

    University of Washington

  4. Angela Jin Yang

    University of Washington

  5. Zhongzheng Ren

    University of Washington · Allen Institute for AI · University of North Carolina at Chapel Hill

  6. Lillian J. Ratliff

    University of Washington

  7. Jiafei DuanCo-advising

    University of Washington · Allen Institute for AI

  8. Dieter FoxCo-advising

    University of Washington · Allen Institute for AI

  9. Ranjay KrishnaCo-advising

    University of Washington · Allen Institute for AI

Erstveröffentlichung
2026-02-22
Neueste Revision
v2 · 2026-07-22
Konferenz / Zeitschrift
Nicht angegeben

Abgedeckte Modellversionen

  • topreward · LeRobot TOPReward

    Original method paper referenced by the LeRobot implementation; not a separate evaluation of every LeRobot integration change.

Offizielle Quellen

Quelle oder Korrektur einreichen