# LANGUAGE-FORCING aumenta il successo dei robot umanoidi

> Il nuovo metodo di addestramento porta dal 53% al 71% il successo dei robot in compiti reali, senza costi aggiuntivi durante l’esecuzione.

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

Un gruppo di ricercatori guidato da Yanjun Li ha presentato LANGUAGE-FORCING, un metodo per addestrare modelli robotici che collegano il mondo alle azioni usando descrizioni linguistiche dei progressi nei compiti. Il metodo allinea gli embedding testuali di un modello visione-linguaggio congelato con le immagini future previste dal robot. L’overhead si aggiunge solo durante l’addestramento, quindi il robot opera alla stessa velocità di prima. Nel benchmark HumanoidArena ha raggiunto un tasso di successo del 79.17%, superando di 9.46 punti la seconda politica migliore. In cinque compiti nel mondo reale, il tasso di successo è salito dal 53.33% al 71.33%.

## I fatti

- Articolo pubblicato il 2026-10-20 ("Tue Oct 20 2026").
- Successo su HumanoidArena: 79.17%, 9.46 punti in più rispetto al concorrente più forte.

## Perché conta

Per chi sviluppa robot umanoidi, questa tecnica offre una maggiore affidabilità nei compiti senza rallentare il robot durante il funzionamento.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-20