Reward Isn't Free：斯坦福用网络语言与视频监督机器人学习

斯坦福 SAIL 与 CRFM 合作研究指出，机器人学习中的奖励函数并非免费，硬编码奖励通常任务特定且难以扩展。文章探索利用网络上的语言与视频作为监督信号，结合大规模多样化数据集与离线学习算法，以降低对专家数据的依赖，提升机器人在陌生环境中的泛化能力。