TOPRewardは事前学習済み動画言語モデルのトークン確率からロボット作業の進捗と密な報酬を推定します。タスク固有の報酬学習を必要とせず、成功検出や報酬重み付き模倣学習を支援します。

基本情報

モデルの種類
報酬・評価
登録済みバージョン
LeRobot TOPReward
関連ロボット
2

モデルの更新履歴

2026年2月

TOPReward 元手法論文を公開

資料公開公式発表

元論文はタスク学習なしのトークン確率によるロボット軌道報酬評価を紹介します。

今回の発表

元論文はタスク学習なしのトークン確率によるロボット軌道報酬評価を紹介します。

元手法の初回 arXiv 公開日であり、後の LeRobot 実装や新重みの公開日とは確認していません。

確認日 2026年11月7日
重要な更新をすべて見る →

論文・レポート (1)

TOPReward:ロボットの隠れたゼロショット報酬としてのトークン確率

論文あり

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

arXiv: 2602.19313DOI: 10.48550/arxiv.2602.19313
著者・所属 (9)

著者の順序: 原文順

  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

初版公開
2026-02-22
最新の論文改訂
v2 · 2026-07-22
会議・学術誌
未提供

対象モデルバージョン

  • topreward · LeRobot TOPReward

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

論文 ↗PDF ↗

公式資料

情報源または訂正を送信