机器人
SO-101
Robometer 4B真机实验
Robometer 官方结果包含在 SO-101 平台上的实机评测。
适用于报告中说明的实验设置与数据采集流程。
Robometer 4B
根据视频和语言评估任务进度与成功状态的预训练奖励模型。
用于使用 Robometer 评估和评分机器人行为的研究。
开放情况
- 代码
- 公开获取
- 模型文件
- 公开获取
模型文件
| 文件 | 获取方式 | 权重许可证 |
|---|---|---|
| robometer/Robometer-4B | 获取方式 | 权重许可证 |
上手所需
- 运行环境与依赖框架
- LeRobot / TransformersNVIDIA GPU · bfloat16
- 部署要求
- Python 3.10+、NVIDIA GPU 驱动；推理 HTTP 服务需自行部署。
规格速览
- 模型类型
- 奖励模型
- 骨干网络
- Qwen3-VL-4B
- 权重参数量
- 4.4503 B
- 输入
- 语言指令 / RGB 相机图像
- 发布时间
- 2026年3月2日
关联机器人
评测结果
当前版本或所选权重暂无已核实的独立评测成绩。
发布方评测 · 报告成绩，未经独立复现
RBM-EVAL · 分布外 ↗VOC 皮尔逊相关系数: 0.94
使用完整 RBM-1M 训练；分布外奖励评估。作者报告的四舍五入汇总结果。
发布方评测 · 报告成绩，未经独立复现
RBM-EVAL · 分布外 ↗轨迹排序：Kendall tau: 0.64
使用完整 RBM-1M 训练；分布外奖励评估。作者报告的四舍五入汇总结果。
技术细节
语言
英语
功能方向
奖励与进度评估
管线任务
机器人奖励建模
预测输出
任务进度和成功分数
资源
模型卡
论文：Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons。arXiv:2603.02115，首次提交于 2026-03-02。 Anthony Liang 与 Yigit Korkmaz 为共同第一作者；Stephen Tu、Erdem Bıyık、Jesse Zhang 共同指导。论文首页未标注通讯作者。 [arXiv](https://arxiv.org/abs/2603.02115) · [PDF v1](https://arxiv.org/pdf/2603.02115v1) · [Project](https://robometer.github.io/)
使用前须知: 奖励分数属于模型判断，可能受相机视角、任务措辞和分布偏移影响，不能作为实体安全信号。 权重或代码可获取，不代表机器人可以即插即用。请按来源文档核对配置、数据与接口要求。
提交来源或更正
