ROOT：从可观测树中发现用户指定具身行为的奖励函数

ROOT 是一个通过可观测树搜索发现奖励函数的框架，用于让强化学习策略对齐用户指定的具身行为，而非仅依赖标量训练统计。它把奖励设计建模为对持久实验树的观察引导搜索，树中存储奖励程序、训练策略、rollout 观测以及视频语言模型提炼的行为洞察，以诊断行为失败并指导后续奖励改进。