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
- 曝 OpenAI 逾 38 万美元年薪招控制工程师，机器人数据或已入 GPT-6 — xeophon · 2026-09-29
- General Intuition 再融 2.2 亿美元,估值 62 亿做实时世界模型 — lucasmeijer · 2026-09-29
- 开源项目上线：623 个全尺寸 3D 打印汽车模型免费下载 — shauntrennery · 2026-09-29
- 慕尼黑德意志博物馆建最大独立 FR3 Duo 机器人评测场,支持远程评测 — RemiCadene · 2026-09-29
- 特斯拉 FSD 车队实驾里程突破 150 亿英里，事故率低 7 倍 — XFreeze · 2026-09-29
- Wayve 自动驾驶随 Uber 亮灯登陆伦敦街头 — alexgkendall · 2026-09-29