返回Glossary
学习奖励函数
从数据（人类偏好、演示或语言描述）学习的奖励函数，而非手工设计。奖励学习方法包括逆强化学习、从人类比较的奖励建模（RLHF 风格）和基于 VLM 的奖励评分（使用 CLIP 相似度或 LLM 评估）。学习奖励函数解决了这一挑战：对于复杂操纵任务，精心设计的手工奖励函数往往难以指定。
从数据（人类偏好、演示或语言描述）学习的奖励函数，而非手工设计。奖励学习方法包括逆强化学习、从人类比较的奖励建模（RLHF 风格）和基于 VLM 的奖励评分（使用 CLIP 相似度或 LLM 评估）。学习奖励函数解决了这一挑战：对于复杂操纵任务，精心设计的手工奖励函数往往难以指定。