论文页面 - InterEvolve：面向人形机器人 loco-manipulation 的奖励程序测试时进化

来源：https://huggingface.co/papers/2610.02196

摘要

我们研究人形机器人 loco-manipulation（移动-操作）的测试时进化：通过重新利用控制器已有的技能来解决它从未被训练过的任务，使其从自身的尝试中不断改进，并在无需重训练的情况下保留所学到的能力。我们的核心洞察是：一个通用的控制器已经具备新任务所需的大部分能力，而这种能力可以通过一个位于规划与控制之间的接口变得可及——该接口既足够有表现力，能够刻画接触密集、多阶段的交互，又足够可执行且可测量，使执行反馈能够依据经验反过来引导规划。InterEvolve 通过两个组件来实现这一接口。首先，我们开发了一个物体感知的前向-后向（forward-backward，FB）行为基础模型，其在冻结身体先验上得到的物体残差，能在测试时将关于身体或物体的新奖励转化为 loco-manipulation 行为。其次，我们将任务指定为奖励程序（reward programs）：由带有完成条件和可调常数的分阶段奖励构成。一个大语言模型（LLM）智能体在上下文中修正程序结构，利用执行反馈和一个包含经过验证的程序的技能库，同时由数值优化器来调优其常数。由于每个候选方案都会在并行仿真场景中进行验证，该程序会探索新的方式，以诱导、复用和组合控制器现有的运动能力来应对当前任务，从而在迭代中不断改进。实验表明，人工设计的奖励未能充分挖掘 FB 模型的 loco-manipulation 能力，而 InterEvolve 进化出的程序则释放了这种能力，有时甚至通过全新的策略来实现。它还能够在仿真中为多样的任务、复杂的场景以及长时程的组合生成行为，并且进化出的技能可在实体 Unitree G1 上借助基于自我中心的机载感知自主运行。

[查看 arXiv 页面 (https://arxiv.org/abs/2610.02196)] [查看 PDF (https://arxiv.org/pdf/2610.02196)] [项目页面 (https://sirui-xu.github.io/InterEvolve/)] [添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.02196)]

在你的智能体中获取该论文：

hf papers read 2610.02196

还没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 0

没有模型与该论文关联

在模型 README.md 中引用 arxiv.org/abs/2610.02196 即可从本页面链接过去。

引用该论文的数据集 0

没有数据集与该论文关联

在数据集 README.md 中引用 arxiv.org/abs/2610.02196 即可从本页面链接过去。

引用该论文的 Spaces 0

没有 Space 与该论文关联

在 Space README.md 中引用 arxiv.org/abs/2610.02196 即可从本页面链接过去。

包含该论文的合集 0

没有合集包含该论文

[将该论文添加到合集 (https://huggingface.co/new-collection) 即可从本页面链接过去。]