RM-VLM：从自然语言任务描述到视觉落地的奖励机器

RM-VLM 用 LLM 从自然语言任务描述生成奖励机器（RM），再由 VLM 充当标签函数，在基于图像的观测上落地 RM 命题，从而免去手工设计命题接地预言机。该方法还用基于 VLM 的价值函数估计器评估智能体向各 RM 转移的进度，生成稠密奖励信号。在非马尔可夫网格导航、机器人操作和 3D 物体收集三个域上，RM-VLM 的任务成功率均高于现有基于 VLM 的奖励方法。