伯克利 HuGo:LLM 写策略代码驱动人形机器人,零演示零奖励设计
berkeley_ai · x · 2026-09-29
UC Berkeley ICON Lab 联合 Google DeepMind 等发布 HuGo 研究:用 LLM 直接为复杂人形机器人全身 loco-manipulation 任务编写闭环高层策略代码,搭配冻结的低层全身控制器执行。
- 无需人工设计:不需要遥操作数据、奖励函数设计、人类动作数据或动作重定向,LLM 仅凭任务描述和观测/指令规范即可写出「站位、伸向、阶段切换」等任务逻辑
- 自我改进:LLM 通过分析自身仿真 rollout 迭代优化策略代码,还可直接在真机上改进
- 零样本迁移:仿真中生成的策略代码可直接零样本跑在硬件上,实测按钮按压成功率 93.3%,搬箱 66.7%
- 项目页面已上线,代码即将开源。作者称该方法效果持续超出预期,且相关工作早于 Astra 完成
「具身」频道最新
- 扑翼无人机在空军测试中被探测系统误判为鸟 — import_jmr · 2026-11-16
- Uber 在拉斯维加斯上线 Amazon 旗下 Zoox 无人驾驶出租车服务 — Polymarket · 2026-11-16
- 蚂蚁灵波具身大模型挑战赛收官:TARS战队48小时真机对决夺冠 — 新智元 · 2026-11-16
- 特斯拉 FSD 城市街道里程破 70 亿英里,四周新增约 5 亿 — XFreeze · 2026-11-16
- Ropedia 发布 Xperience 2:1500+ 真实场景扫描配第一人称演示 — liuziwei7 · 2026-11-16
- 杭州群核联合华测发布 3D 激光扫描仪 Aholo MS07 — teortaxesTex · 2026-11-16