Rank-Then-Act：基于帧序进展的免奖励控制
Rank-Then-Act框架利用视觉-语言模型作为序数评分器，从视频演示中学习控制策略，基于相关性奖励实现稳定的跨任务迁移，无需环境奖励。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。
Rank-Then-Act框架利用视觉-语言模型作为序数评分器，从视频演示中学习控制策略，基于相关性奖励实现稳定的跨任务迁移，无需环境奖励。
查看原文