0:000:00
<p>该论文介绍了 <strong>ROBOT-R1</strong>，这是一个通过 <strong>强化学习</strong> 训练 <strong>大型视觉-语言模型 (LVLM)</strong> 以增强机器人领域具身推理能力的新颖框架。该方法通过将预测下一个关键点状态的问题重新定义为 <strong>多项选择问答</strong>，并结合当前状态和原始运动预测的辅助任务来提高效率。此外，它还引入了一个名为 <strong>ROBOT-R1 Bench</strong> 的新基准，用于评估机器人的 <strong>具身推理</strong> 能力，实验结果表明 ROBOT-R1 在机器人控制任务中优于传统的 <strong>监督微调 (SFT)</strong> 方法，甚至在低级动作控制的推理任务中超越了像 GPT-4o 这样的大型商业模型。</p><p>Source: <https://arxiv.org/abs/2506.00070></p>