★ 3
DeliveryGym：长时程具身智能体规划强化学习环境
论文提出 DeliveryGym，一个用于连续快递班次评估与训练的 3D 环境，将多模态工具交互与持久世界动态耦合，从模拟器事件计算轨迹奖励，使决策成本可用于强化学习。环境还会根据策略暴露的弱点自适应调整未来训练班次，同时保持评估固定。在六个模型与 13 张城市地图上，RL 使 Qwen3-VL-…
arXiv cs.LG45 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 DeliveryGym，一个用于连续快递班次评估与训练的 3D 环境，将多模态工具交互与持久世界动态耦合，从模拟器事件计算轨迹奖励，使决策成本可用于强化学习。环境还会根据策略暴露的弱点自适应调整未来训练班次，同时保持评估固定。在六个模型与 13 张城市地图上，RL 使 Qwen3-VL-…