RM-VLM:从自然语言任务描述到基于视觉的奖励机器
原文:RM-VLM: From Natural-Language Task Descriptions to Vision-Grounded Reward Machines
奖励机(RM)已被提议作为强化学习(RL)中的奖励公式,以捕获信用分配取决于历史的非马尔可夫任务。通过将奖励函数表示为自动机,RM 公开了任务的时间结构,并允许在马尔可夫框架内处理此类奖励。然而,他们假设了一个标签函数,一个基于命题的预言机 f
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。