# LANGUAGE-FORCING ökar humanoida robotars framgång

> Den nya träningsmetoden höjer framgångsgraden för helkroppsrobotar från 53 % till 71 % i verkliga uppgifter, utan extra kostnad vid körning.

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

Forskare under ledning av Yanjun Li har presenterat LANGUAGE-FORCING, en metod för att träna robotars världs- och handlingsmodeller med hjälp av språkliga beskrivningar av hur uppgifter fortskrider. Metoden anpassar textinbäddningar från en fryst vision-språkmodell till robotens förutsagda framtida bilder. Den medför bara extra beräkningskostnader under träningen, så roboten arbetar lika snabbt som tidigare. I benchmarktestet HumanoidArena nådde metoden en framgångsgrad på 79,17 %, vilket var 9,46 procentenheter bättre än den näst bästa policyn. I fem verkliga uppgifter steg framgångsgraden från 53,33 % till 71,33 %.

## Fakta

- Artikeln publicerades 2026-10-20 ("Tue Oct 20 2026").
- Framgångsgrad i HumanoidArena: 79,17 %, 9,46 procentenheter bättre än den starkaste konkurrenten.

## Varför det spelar roll

För utvecklare av humanoida robotar innebär tekniken högre tillförlitlighet i uppgifter utan att roboten blir långsammare under drift.

## Källor och referenser

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

Senast uppdaterad: 2026-10-20