LeRobot TOPReward

Community-Implementierung

Zero-Shot-Belohnungs-Wrapper, der die Token-Wahrscheinlichkeit eines handelsüblichen VLM verwendet.

Vollständige Modellbeschreibung ansehen

Für Forschungsevaluierungen und die Schätzung von Belohnungen für Robotertrajektorien vorgesehen.

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.

Zugang und Nutzung

Öffentliche Code-Ressourcen
Öffentlicher Zugang

Trainings- / Fine-Tuning-Code

Zugang
Nicht zutreffend

Geprüft am · 2026-10-26

Veröffentlichungsangaben

QuelleGeprüft am · 2026-10-23

Vor der Bereitstellung prüfen

Geschätzte Belohnungen hängen von der Beobachtungs- und Aufgabenverteilung ab und dürfen nicht als Sicherheitsgarantie verstanden werden. Verfügbare Gewichte oder Code belegen keine sofortige Roboterkompatibilität. Prüfen Sie Konfiguration, Daten und Schnittstellen in der Quelldokumentation.

Unterlagen zu Bereitstellung und Nutzung

Laufzeit und Frameworks
LeRobot / Transformers
Anforderungen an die Feinabstimmung
Die LeRobot-Portierung verwendet ein eingefrorenes Qwen3-VL nur für Zero-Shot-Inferenz; kein Training eines Belohnungsmodells.

Architektur und Ein-/Ausgaben

Modelltyp
Belohnung und Bewertung
Backbone
Standardmäßig Qwen3-VL-8B-Instruct
Eingabe
Sprache / RGB-Bilder

Einsatzbereich und Training

Sprachen

Englisch

Funktionsbereich

Belohnungs- und Fortschrittsbewertung

Datensatztyp

Community-Implementierung

Pipeline-Aufgabe

Roboter-Belohnungsmodellierung

Vorhersageausgabe

Token-Logwahrscheinlichkeitsreward; optional binärer Schwellenwert

Verwandte Roboter

Evaluationsergebnisse

Keine verifizierten unabhängigen Evaluationen für diese Version oder die ausgewählten Gewichte erfasst.

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

TOPReward Qwen3-VL-8B: Paperreferenz · OXE:33 gefilterte Datensätze ↗

VOC: 0.874

Originalarbeit TOPReward v2 mit Qwen3-VL-8B und direkter Promptbewertung. VOC ist zeitliche Rangkorrelation in[-1,1], keine Roboter-Erfolgsrate oder kalibrierte Fertigstellung. Autorenberichtete Methodenreferenz, keine unabhängige Reproduktion des LeRobot-Ports und kein separat trainierter Reward-Checkpoint. Tabelle1: Datensatzmittel der VOC über33 gefilterte OXE-Datensätze, je20 Episoden. Die39-Datensatz-Angabe0.857 auf der Projektseite hat einen anderen Umfang.

Evaluation des Herausgebers · Berichtet; nicht unabhängig reproduziert

TOPReward Qwen3-VL-8B: Paperreferenz · ManiRewardBench: erfolgreiche Teilmenge ↗

VOC: 0.942

Originalarbeit TOPReward v2 mit Qwen3-VL-8B und direkter Promptbewertung. VOC ist zeitliche Rangkorrelation in[-1,1], keine Roboter-Erfolgsrate oder kalibrierte Fertigstellung. Autorenberichtete Methodenreferenz, keine unabhängige Reproduktion des LeRobot-Ports und kein separat trainierter Reward-Checkpoint. Tabelle2: Mittel über497 erfolgreiche Evaluationsepisoden,113 Aufgaben und vier Plattformen. Der gesamte Benchmark umfasst130 eindeutige Aufgaben samt Fehlersplit. Kein Projekt-Headlinewert0.947/0.945 und keine Erfolgsdetektions-AUC.

Alle Parameter und Prüfhinweise (Modellkarte)

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

Ersteinreichung: 2026-02-22 (arXiv:2602.19313v1).

Erst- und Korrespondenzautor: Shirui Chen (sc256@uw.edu).

Gemeinsame Betreuung: Jiafei Duan, Dieter Fox, Ranjay Krishna.

Pflege der LeRobot-Integration: Hugging Face. LeRobot.

Der LeRobot-Wrapper ist nur für Inferenz: Ein eingefrorenes Qwen3-VL liefert Token-Logwahrscheinlichkeiten, ohne eigene aufgabenspezifisch trainierte Reward-Gewichte. Der Rohwert ist kein kalibrierter Fertigstellungsprozentsatz; ein endlicher Schwellenwert kann binäre Werte liefern. Die Min/Max-Normalisierung je Episode nutzt die gesamte abgetastete Trajektorie, ist nicht kausal und vom Online-Rohreward getrennt. Dieser Port unterstützt nur Qwen3-VL. Originalcode: MIT; LeRobot: Apache2; Backbone-Gewichte behalten eigene Bedingungen. Genaues LeRobot-Veröffentlichungsdatum und gehostete API sind unbestätigt.

Quelle oder Korrektur einreichen