语言奖励调节预训练强化学习

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。