InterEvolve: UIUC-Forscher heben Unitree-G1-Aufgabenerfolg von 8 % auf 86,5 % — LLM schreibt Reward-Programme zur Laufzeit um

Forschende der University of Illinois Urbana-Champaign (UIUC) haben am 1. Oktober 2026 das System InterEvolve auf Hugging Face veröffentlicht — eine Methode, mit der humanoide Roboter Reward-Programme (Belohnungsfunktionen) zur Testzeit weiterentwickeln können, ohne den zugrundeliegenden Controller neu zu trainieren.

Das Problem: Menschlich geschriebene Belohnungen sind ein Flaschenhals

Aktuelle lernbasierte Steuerungssysteme für Humanoide lernen Verhalten über Reinforcement Learning, bei dem eine Belohnungsfunktion (Reward) definiert, welche Aktionen erwünscht sind. Diese Funktionen werden bisher von Menschen spezifiziert — ein Prozess, der aufwändig ist und häufig das Potenzial vortrainierter Modelle nicht ausschöpft, weil die manuell entworfenen Rewards nur einen kleinen Teil des gelernten Bewegungsrepertoires aktivieren.

Wie InterEvolve funktioniert

InterEvolve kombiniert zwei Schlüsselkomponenten in zwei verschachtelten Optimierungsschleifen:

1. Äußere Schleife — LLM als Reward-Architect: Ein großes Sprachmodell (LLM) analysiert die bisherigen Ergebnisse und schreibt die Programmstruktur der Belohnungsfunktion um — es verändert, welche Metriken und Zustände überhaupt gemessen werden.
2. Innere Schleife — CMA-ES als Parametertuner: Der evolutionäre Optimierungsalgorithmus CMA-ES (Covariance Matrix Adaptation Evolution Strategy) passt anschließend die numerischen Konstanten innerhalb dieser Struktur an, beide Schleifen laufen über parallele Simulationen.

Das Verfahren paart diesen Reward-Evolutionsprozess mit einem objektbewussten Verhaltens-Foundation-Model, das das breitere Loko-Manipulations-Repertoire des Roboters zur Verfügung stellt.

Ergebnisse auf dem Unitree G1

• Aufgabenerfolg ohne InterEvolve (manuell geschriebene Rewards): 8 %
• Aufgabenerfolg mit InterEvolve: 86,5 %

Die evolutionierten Skills wurden anschließend auf einem physischen Unitree G1 getestet. Zur Pose-Schätzung von Objekten wurden dabei ausschließlich die bordeigenen Kameras in Kombination mit FoundationPose genutzt.

Einordnung

InterEvolve adressiert eine Schwachstelle, die viele VLA-Ansätze (Vision-Language-Action) teilen: Sie lernen zwar generalisierbare Verhaltensprimitive, scheitern aber bei unbekannten Aufgaben häufig daran, dass keine passenden Rewards vorliegen. Durch Test-Time-Evolution können Humanoide vorhandene Fähigkeiten auf neue Szenarien übertragen — ohne den teuren und langsamen Prozess des Nachtrainierens.

Das Paper ist ein Preprint und wurde noch keinem Peer-Review-Verfahren unterzogen. Eine formale Konferenzeinreichung war zum Veröffentlichungszeitpunkt nicht angekündigt.