Freeform Preference Learning：用自然语言自定义机器人奖励对比轴

Marcel Torne、Anhuj Mahajan 与 Abhijnya Bhat 在 RoboPapers 节目中介绍 Freeform Preference Learning，允许标注者用自然语言自定义轨迹比较轴，以保留更多结构化信号。该方法针对机器人强化学习中奖励函数难以定义、传统二选一偏好学习信号丢失的问题，旨在提升复杂任务的学习效率。