Humanoid loco-manipulation专业
InterEvolve:测试时演化奖励程序让 Unitree G1 完成未训练任务
本文是预印本,未经同行评审。InterEvolve 用大语言模型在测试时反复修改分阶段奖励程序,配合物体感知的 forward-backward 行为基础模型,使固定的 Unitree G1 控制器无需重新训练即可完成训练中未见过的新移动操作任务。在八个任务族上,完整系统成功率 86.5%,高于最佳校准固定程序的 34.6%,并能在真实机器人上自主执行踢箱和推箱。