BriefGPT - AI 论文速递
·
释放预训练语言模型在离线强化学习中的能力
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为LAMP的方法，利用Vision-Language Models的零样本能力作为预训练工具，生成探索奖励，以获得受语言条件约束的预训练策略。该方法可以在RLBench的机器人操作任务上启动样本效率高的学习。
🎯
关键要点
- 使用基于学习的奖励函数（LRFs）解决稀疏奖励强化学习（RL）任务取得了一些进展。
- 提出了一种名为LAMP的方法，将LRFs作为RL的预训练信号。
- LAMP利用Vision-Language Models (VLMs)的零样本能力作为预训练工具。
- 通过对比对齐语言指令与图像观察，LAMP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，以获得受语言条件约束的预训练策略。
- LAMP的方法与以前使用LRFs的方法不同，能够在RLBench的机器人操作任务上实现高样本效率的学习。
➡️
