具身智能
GARDEN：通过证据导航实现协作多智能体强化学习的通用自主奖励设计
原标题: GARDEN：通过证据导航实现协作多智能体强化学习的通用自主奖励设计
📋总体概括
研究者提出GARDEN框架，面向协作多智能体强化学习（MARL）的奖励自动设计问题。当前LLM生成奖励函数通常只在单一场景中设计与验证，环境或团队变化后难以复用。GARDEN通过「证据导航」机制，为一个相关场景族开发统一的奖励程序，并原封不动地迁移到未见过的新场景，减少人工反复调reward的成本，提升通用性与可复用性。
⚡关键信息
- ▸GARDEN全称为Generalist Autonomous Reward Design through Evidence Navigation，聚焦协作MARL奖励设计自动化
- ▸痛点：任务成功信号过稀疏，中间奖励通常靠人工手写，环境或团队一变就得重做
- ▸已有LLM方案虽能用代码写奖励函数，但通常只在单一设定下设计并测试，泛化能力有限
- ▸GARDEN的核心思路：为一个相关场景族开发单一奖励程序，并原封不动迁移到新场景
🔥犀利点评
MARL的奖励工程是公认的脏活累活，LLM写reward代码已不新鲜，真正的坑在泛化——换个场景就失效，等于白干。GARDEN押注「一个奖励程序管一个场景族」，方向是对的，但arXiv摘要里没给出实验数据和基准对比，效果先存疑。这类通用奖励设计若真跑通，才是具身智能从 demos 到规模化落地的关键一环，值得关注后续验证。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 arXiv cs.AI 论文 阅读全文 →