# LANGUAGE-FORCING verhoogt slagingskans van humanoïde robots

> Met deze nieuwe trainingsmethode stijgt het succespercentage bij echte taken van 53% naar 71%, zonder extra kosten tijdens het uitvoeren.

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

Onderzoekers onder leiding van Yanjun Li introduceerden LANGUAGE-FORCING, een methode om wereld-actiemodellen voor robots te trainen met taalbeschrijvingen van de voortgang van een taak. De methode stemt tekstembeddings uit een bevroren vision-language-model af op de voorspelde toekomstige beelden van de robot. De extra belasting komt alleen tijdens het trainen voor, dus de robot werkt tijdens gebruik even snel als voorheen. Op de HumanoidArena-benchmark behaalde de methode een succespercentage van 79.17%, 9.46 punten hoger dan het op één na beste beleid. Bij vijf taken in de praktijk steeg het succespercentage van 53.33% naar 71.33%.

## De feiten

- Artikel gepubliceerd op 2026-10-20 ("Tue Oct 20 2026").
- Succespercentage op HumanoidArena: 79.17%, 9.46 punten hoger dan dat van de sterkste concurrent.

## Waarom het ertoe doet

Voor ontwikkelaars van humanoïde robots biedt deze techniek een grotere betrouwbaarheid bij taken, zonder dat de robot tijdens gebruik langzamer wordt.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-20