Odysseus：强化学习驱动VLM实现百回合游戏长期决策
Odysseus: Scaling VLMs to 100+ Turn Decision-Making in Games via Reinforcement Learning

Chengshuai Shi, Wenzhe Li, Xinran Liang, Yizhou Lu, Wenjia Yang, 等 (+8)
⭐ 2

• 针对VLM在百回合以上长周期游戏决策挑战，本文通过强化学习（RL）训练VLM。
• 提出PPO改进算法，引入轻量评论器，显著提升训练稳定性和样本效率。
• 预训练VLM提供强大动作先验，提高RL效率，减少手动设计。
• 构建Odysseus框架，VLM实现3倍游戏进展，具备良好泛化性，为具身智能体RL提供指导。

🔗 arXiv · 🤗 HF

#视觉语言模型 #强化学习 #长期决策 #游戏AI #具身智能体