免训练！使用贝叶斯去微调VLM，机器人操作任务取得SOTA！

点击下方 卡片 ，关注" 具身智能 之心 "公众号 >>直播和内容获取转到 → 具身智能之心知识星球 点击按钮预约直播 视觉语言模型（VLM）的最新进展显著提升了在具身任务（如目标分解与视觉理解）中的性能。然而，在不对VLM进行微调的情况下，为机器人操作任 务提供精确的奖励仍颇具挑战。这主要是因为预训练数据集中缺乏领域特定的机器人知识，且高昂的计算成本阻碍了其实时应用。为此，研究人员提出 T²-VLM ——一种新颖的、无需训练且具有时序一致性的框架，通过跟踪VLM推导出的子目标状态变化来生成精确的奖励。 本工作首先在每轮交互前查询VLM，以建立空间感知的子目标及初始完成度估计。随后，采用贝叶斯跟踪算法，利用子目标隐藏状态动态更新目标完成 状态，从而为强化学习（RL）智能体生成结构化的奖励。该方法增强了长程决策能力，并借助RL提升了故障恢复性能。大量实验表明， T²-VLM 在两个 机器人操作基准测试中取得了最先进的性能，在降低计算消耗的同时展现了优异的奖励准确性。 我们相信，该方法不仅推动了奖励生成技术的发展，也 为具身人工智能的更广泛领域做出了贡献。 直播时间: 12.3 / 19:30-20:30 直播简 ...