BriefGPT - AI 论文速递
·
语言奖励调节预训练强化学习
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种使用基于学习的奖励函数（LRFs）解决稀疏奖励强化学习（RL）任务的方法。该方法称为LAMP，利用Vision-Language Models (VLMs)的零样本能力作为RL的预训练工具。通过计算语言指令与图像观察之间的对齐，LAMP生成探索奖励。该方法在RLBench的机器人操作任务上具有高的样本效率。
🎯
关键要点
- 本文介绍了一种使用基于学习的奖励函数（LRFs）解决稀疏奖励强化学习（RL）任务的方法。
- 该方法称为LAMP，利用Vision-Language Models (VLMs)的零样本能力作为RL的预训练工具。
- LAMP通过计算语言指令与图像观察之间的对齐生成探索奖励。
- 该方法在RLBench的机器人操作任务上具有高的样本效率。
- LAMP使用冻结的预训练VLM生成嘈杂但有形状的探索奖励。
- LAMP与强化学习中的寻求新颖性的探索奖励一起优化这些奖励，以获得受语言条件约束的预训练策略。
- 我们的VLM预训练方法与以前使用LRFs的方法不同。
➡️
