arXiv cs.CL· Marius Memmel, Shawn Yin, Urvi Rutia, Angad Wadhwa, Eldon Li, Gavin Angeloff, Ankit Goyal, Jesse Zhang, Dieter Fox, Fabio Ramos, Anqi Li, Abhishek Gupta·· 10 小时前AI 评分38
D&A：解耦描述与评估，让 VLM 成为零样本机器人奖励模型
D&A: Decoupling Description and Assessment Enables VLMs as Zero-Shot Robotic Reward Models
AI 导读
D&A 将机器人任务进度估计拆成两步：先由 VLM 生成客观的场景动态文本描述，再用显式评分标准做评估，从而把判断锚定在外部绝对成功定义上，而非视频内部时间线。该纯提示词方法校准了零样本估计并缓解确认偏差，能给出细粒度部分进度、准确惩罚失败执行，跨任务、跨本体与跨基准匹配或超越经后训练的奖励模型，其奖励估计还可支撑下游强化学习。
正文 · AI 翻译
作者：Marius Memmel、Shawn Yin、Urvi Rutia、Angad Wadhwa、Eldon Li、Gavin Angeloff、Ankit Goyal、Jesse Zhang、Dieter Fox、Fabio Ramos、Anqi Li、Abhishek Gupta
摘要：视觉语言模型（VLM）在机器人学习中的零样本视频任务进度估计方面具有前景，但现有框架常常受到确认偏差的困扰，由于隐含的成功假设或相对时间排序设计，会在失败执行中幻觉出进度。对前沿模型进行朴素提示会退化为二元成功检测器，无法捕捉细微的非线性进度和失败。虽然后训练方法可以通过显式训练缓解这一问题，但它们需要昂贵的真实世界机器人数据，并且需要对每个单独的基础模型进行计算密集的后训练。为解决这些局限，我们提出 D&A（Describe & Assess）：我们的方法将进度估计解耦为对场景动态的客观、基于任务的文本描述，随后使用显式评分标准进行评估阶段。通过迫使 VLM 在评分前综合出基于文本的绝对成功显式定义，该框架将评估锚定到外部的全局标准，而非视频的内部时间线。实证结果表明，我们的方法校准了零样本估计并缓解了确认偏差，提供细粒度的部分进度指标，能够准确惩罚失败执行，同时正确插值成功运行。由于完全基于提示，D&A 可跨任务、具身和基准泛化——匹配或超越后训练的奖励模型——并且其奖励估计能够实现高效的下游强化学习。
| 评论： | 网站见 此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG）；系统与控制（eess.SY） |
| 引用为： | arXiv:2611.03622 [cs.RO] |
| （或此版本的 arXiv:2611.03622v1 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2611.03622 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Marius Memmel [查看电子邮件]
[v1]
2026年11月2日星期一 18:52:11 UTC（23,156 KB）
来源：arXiv cs.CL · arxiv.org