Humanoid loco-manipulation전문가
InterEvolve, 휴머노이드 로코매니퓰레이션 보상 프로그램을 테스트타임에 진화시킨다
이 논문은 arXiv 프리프린트로, 고정된 휴머노이드 제어기를 재학습하지 않고 테스트 시간에 보상 프로그램을 진화시키는 InterEvolve를 제안했다. 객체 인식 forward-backward 행동 기반 모델에 LLM 에이전트와 CMA-ES를 결합해 새 과제의 보상 구조와 상수를 반복 개선했으며, 시뮬레이션 8개 과제군에서 보정된 고정 프로그램 대비 성공률을 86.5%로 끌어올렸다. 실물 Unitree G1에서 자체 카메라 인식만으로 진화된 차기, 밀기 기술을 자율 실행해 테스트타임 적응 가능성을 보였다.