# LANGUAGE-FORCING से ह्यूमनॉइड रोबोट ज्यादा सफल

> नई प्रशिक्षण विधि से वास्तविक कामों में रोबोट की सफलता 53% से बढ़कर 71% हुई—और काम के दौरान कोई अतिरिक्त लागत नहीं आई।

Oossa · 2026-10-20 · https://oossa.com/hi/language-forcing-boosts-humanoid-robot-task-success

Yanjun Li के नेतृत्व में शोधकर्ताओं ने LANGUAGE-FORCING पेश किया है। यह रोबोट के वर्ल्ड-एक्शन मॉडल को प्रशिक्षित करने का एक तरीका है, जिसमें काम की प्रगति का वर्णन करने वाली भाषा का इस्तेमाल होता है। यह विधि एक फ्रीज़ किए गए विज़न-लैंग्वेज मॉडल से मिले टेक्स्ट एम्बेडिंग को रोबोट के अनुमानित भावी दृश्यों के साथ संरेखित करती है। इससे प्रशिक्षण के दौरान ही अतिरिक्त कंप्यूटिंग लगती है, इसलिए रोबोट पहले की तरह ही तेज़ चलता है। HumanoidArena बेंचमार्क पर इसकी सफलता दर 79.17% रही, जो अगली सर्वश्रेष्ठ नीति से 9.46 अंक अधिक है। वास्तविक दुनिया के पांच कामों में सफलता दर 53.33% से बढ़कर 71.33% हो गई।

## तथ्य

- शोधपत्र 2026-10-20 को प्रकाशित हुआ ("Tue Oct 20 2026").
- HumanoidArena पर सफलता दर: 79.17%, सबसे मज़बूत प्रतिस्पर्धी से 9.46 अंक अधिक।

## यह क्यों मायने रखता है

ह्यूमनॉइड रोबोट बनाने वालों के लिए यह तकनीक काम के दौरान रोबोट की रफ्तार घटाए बिना उसकी कार्य-सफलता बढ़ाने का तरीका देती है।

## स्रोत और संदर्भ

1. [Language-Forcing: Advancing Humanoid Loco-Manipulation via Semantic Alignment of Whole-Body World Action Models](https://arxiv.org/abs/2610.23894) – arXiv cs.RO, 2026-10-20

अंतिम अपडेट: 2026-10-20