提出SOLE-R1视频-语言推理模型,作为在线强化学习的唯一奖励信号,通过每步时空链式思维推理和自然语言目标下的任务进度密集估计,实现零样本机器人操作任务学习,无需真值奖励、演示或任务调优,并在24个未见任务上超越GPT-5和Gemini-3-Pro等强基线。
机构:MIT
来源:arXiv 2603.28730 | AI4Papers 论文推荐平台