Tag · 2 篇

奖励函数设计

分布强化学习与具身智能1底层视觉与图像复原1

Goal-Driven Reward by Video Diffusion Models for Reinforcement Learning

把预训练视频扩散模型的视频编码器潜变量与生成目标视频的对齐度当作奖励，并用 CLIP 从生成视频中挑出目标帧、再以前向后向表征给出帧级奖励——这套「用生成模型当奖励函数」的流程可直接迁移到视觉驱动的机器人操作与导航任务中，替代人工设计的程序化奖励。

GDPO-SR: Group Direct Preference Optimization for One-Step Generative Image Super-Resolution

将GRPO的组相对优势思想引入DPO，实现在线生成样本的偏好优化，并设计属性感知奖励函数动态评估局部细节，可复用于其他单步扩散复原任务（如去噪、去模糊）的微调。