Language to Rewards（L2R）

Language to Rewards for Robotic Skill SynthesisL2R进阶

让大语言模型把人话翻译成奖励函数，再交给实时优化器生成机器人动作。

Language to Rewards 是 Google DeepMind 2023 年 6 月发布的工作，CoRL 2023 口头报告。让大模型直接出动作或调用预设技能，很难做出「站起来」「太空步」这类底层动作。L2R 改让大模型写奖励函数：奖励翻译器先把指令展开成动作描述，再写成奖励代码（各项目标及权重）；运动控制器用 MuJoCo MPC（基于模型预测控制的实时优化器）按奖励求解动作，并随用户追加的纠正实时重规划。在模拟四足机器人和灵巧机械手的 17 个任务上它完成了 90%，基于预设技能原语的基线为 50%；在真实机械臂上也演示了推动物体。它和 Eureka 同属「让大模型写奖励」的路线。