Reward-DAgger：通用奖励模型做机器人运行时监控

2026年10月，Reward-DAgger 被提出：它用通用奖励/进度模型（如 Robometer）为机器人部署提供运行时监控，其「门控」机制可跨任务、跨策略迁移。报道称，现有方法依赖任务专属失败模型，或使用与策略绑定的不确定性估计，一旦更换任务或更新策略就需要重训、重标定。作者的结论是，通用奖励模型已好到可以取代任务专属启发式，不再需要为每个任务单独决定何时请求人类纠正。目前该事件尚无更多后续报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。