
ロボットアーム
SO-100
TOPReward 公式資料は SO-100 と SO-101 プラットフォームでの ManiRewardBench 評価を報告しています。
報告された ManiRewardBench 評価手順に適用されます。
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。
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。
論文あり
TOPReward: Token Probabilities as Hidden Zero-Shot Rewards for Robotics
著者の順序: 原文順
Original method paper referenced by the LeRobot implementation; not a separate evaluation of every LeRobot integration change.
Hugging Face LeRobot · ドキュメント
公開日不明 · 参照日: 2026-07-24
TOPReward authors · 出典
公開日不明 · 参照日: 2026-11-07
タイトル未登録
発行元未登録 · 種類未確認
公開日不明 · 参照日: 2026-10-19
TOPReward authors · コードリポジトリ
公開日不明 · 参照日: 2026-11-07