InterEvolve 研究人形机器人 loco-manipulation 的测试时奖励程序演化

InterEvolve 研究在人形机器人 loco-manipulation 中进行测试时演化，让控制器在不重新训练的情况下解决未训练过的任务。方法包含 object-aware forward-backward 行为基础模型，以及由 LLM Agent 根据执行反馈和已验证技能库修订的奖励程序，并由数值优化器调参。