TOPReward 利用预训练视频视觉语言模型的词元概率,估计机器人任务进度并生成稠密奖励,无需针对任务训练奖励模型。它支持成功检测与奖励加权模仿学习,研究覆盖多种真实机器人操作任务。

基础信息

模型类型
奖励评估
已收录版本
LeRobot TOPReward
关联机器人
2

模型动态

2026年2月

TOPReward 原始方法论文公开

资料开放官方发布

原始论文介绍无需任务训练、基于 token 概率的机器人轨迹奖励评估方法。

本次公开变化

原始论文介绍无需任务训练、基于 token 概率的机器人轨迹奖励评估方法。

日期为原始方法首次 arXiv 披露,不作为后续 LeRobot 实现的已核实发布日期或新权重发布日。

核验于 2026年11月7日
查看全部重点动态 →

论文与报告 (1)

TOPReward:以 token 概率作为机器人的隐式零样本奖励

有论文

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

arXiv: 2602.19313DOI: 10.48550/arxiv.2602.19313
作者与单位 (9)

署名方式: 原文顺序

  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

首版日期
2026-02-22
论文最新修订
v2 · 2026-07-22
会议 / 期刊
未提供

覆盖的模型版本

  • topreward · LeRobot TOPReward

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

官方资料

提交来源或更正