VLM for Robotic

写规则去做的；rule-based策略；

LLM给地图打分；

LLM提供启发；agent的路是自己写的；agent要拿到什么启发；

要打补丁；

LLM-agent的困难：

1. LLM会生成一些乱七八糟的动作；

结论：LLM生成Rule是不可靠；

Jinhui’s Idea：

用RL智能决策，代替rule-based判断当前LLM生成的策略好不好；

state：很多trajectory；

action：0 和 1；

reward：（领域reward reshaping）；

baseline：Supervise Model；

PPO

问题

如果不可靠，要怎么办；