Teaching robot policies without new demonstrations: interview with Jiahui Zhang and Jesse Zhang
ReWiND方法，由三个阶段组成：学习奖励函数、预训练以及使用奖励函数和预训练策略在线学习新的语言指定任务。在 CoRL 2025 上发表的论文《ReWiND：语言引导奖励在没有新演示的情况下教授机器人策略》中，Jiahui Zhang、Yusen Luo、Abrar Anwar、Sumedh A. Sontakke，[...]
