VLA強化学習の報酬モデル課題を克服するワールド批評家モデルWCM

arXiv cs.CL ・ 2026-07-31

原題: WCM: A World Critic Model for Vision-Language-Action Reinforcement Learning

AI による要約

ロボット操作のための視覚・言語・行動（VLA）モデルの強化学習事後学習において、時間的構造を捉えるワールド批評家モデル「WCM」が提案された。明確なワールドモデリング目的を導入することで、従来の価値推定のミスマッチを解消する。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.CL）をご確認ください。