SeeQ：通用语言条件价值函数，把长程操作成功率接近翻倍

视频加载中

视频加载中

CMU 团队（Saksham Singh 等，arXiv:2609.22085）提出 SeeQ（Subtask-elicited Q-functions）：通用机器人策略虽强但在多阶段、需反复尝试的长程任务上很脆弱，而用稀疏任务级奖励学 Q 函数会带来漫长的信用分配horizon、困难的 Bellman 回传与巨大的数据覆盖要求。SeeQ 改为学习「当前活跃子任务」的 Q 值，从而缩短价值预测视界、让时序差分（TD）学习变得可行；训练时利用离线机器人数据中已有的子任务标注获得分解；测试时不需要人工标注或模块化子任务预测器——Q 函数架构会先自回归地用自然语言预测当前子任务，再估计其价值。基于视觉语言骨干、在多种开源操作数据上预训练、再在下游任务微调。在两个双臂真机平台的四个真实任务上，SeeQ 显著改善了 best-of-N 策略引导（任务级 TD 基线维持在 9/24，SeeQ 升到 17/24），子任务形式化与 best-of-N 回退缺一不可。