Humanoid loco-manipulation上級
InterEvolve、報酬プログラムのテスト時進化で固定人型コントローラを未知タスクに適応
InterEvolveは、事前学習済みの人型ロコマニピュレーションコントローラを再学習せず、テスト時に報酬プログラムを進化させて未知のタスクを解くフレームワークである。LLMエージェントが実行フィードバックから報酬プログラムの構造を改訂し、CMA-ESが定数を較正する。シミュレーションの8タスク系統で成功率86.5%を達成し、実機Unitree G1でも機載知覚のみで自律動作した。本論文はarXivプレプリントであり、査読済みであるとは明記されていない。