TOPReward는 사전 학습된 비디오 언어 모델의 토큰 확률로 로봇 작업 진행도와 조밀한 보상을 추정합니다. 작업별 보상 모델 학습 없이 성공 감지와 보상 가중 모방 학습을 지원합니다.

기본 정보

모델 유형
보상 및 평가
등록된 버전
LeRobot TOPReward
관련 로봇
2

모델 업데이트 이력

2026년 2월

TOPReward 원 방법 논문 공개

자료 공개공식 발표

원 논문은 작업별 학습 없는 토큰 확률 기반 로봇 궤적 보상 평가를 소개합니다.

이번 발표

원 논문은 작업별 학습 없는 토큰 확률 기반 로봇 궤적 보상 평가를 소개합니다.

원 방법 최초 arXiv 공개일이며 이후 LeRobot 구현의 확인된 출시일이나 새 가중치 공개일이 아닙니다.

확인일 2026년 11월 7일
주요 업데이트 모두 보기 →

논문 및 보고서 (1)

TOPReward: 로봇의 숨은 제로샷 보상으로서의 토큰 확률

논문 있음

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

arXiv: 2602.19313DOI: 10.48550/arxiv.2602.19313
저자 및 소속 (9)

저자 순서: 원문 순서

  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

최초 공개
2026-02-22
최신 논문 개정
v2 · 2026-07-22
학회 / 학술지
미제공

관련 모델 버전

  • topreward · LeRobot TOPReward

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

논문 ↗PDF ↗

공식 자료

출처 또는 수정 제안 보내기