不重训完成未见任务：用可进化奖励程序调用人形已有运动能力

人形 loco-manipulation 常被写成再训策略。InterEvolve 把问题换成测试时进化：完成控制器从未训练过的任务，靠复用已有技能、从自身尝试中改进、并保留学到的内容，不重训。关键判断是，宽泛控制器里已经装着新任务所需的大部分能力；这些能力要被调用，需要规划与控制之间有一层接口——既能描述接触丰富、多阶段交互，又可执行、可度量，使执行反馈能按经验改规划。

两个组件

接口由两块构成。第一块是对象感知的前向-后向（FB）行为基础模型：在冻结的身体先验上加对象残差，测试时把关于身体或物体的新奖励转成 loco-manipulation 行为。第二块把任务写成奖励程序，即带完成条件与可调常数的分阶段奖励。LLM 智能体根据执行反馈和已验证程序组成的技能库，在上下文中改程序结构；数值优化器调节常数。每个候选都在并行仿真场景中验证，从而探索如何诱导、复用并组合控制器已有的运动能力，并随迭代改进。

程序在进化，策略不重训

进化对象是奖励程序，不是控制器权重。LLM 改结构、优化器调常数、仿真并行验真，通过的程序进入技能库。规划因此落成可跑、可测的程序，反馈才能指导下一轮改写。摘要称，实验显示人工设计的奖励留下了 FB 模型 loco-manipulation 能力中的相当部分未被使用。原文至此截断，没有任务名、成功率或对比数字，只能读出「人工奖励没有用满该模型」，不能外推具体增益。

我的判断

价值在接口：对象感知 FB 把新奖励变成可执行行为，奖励程序把多阶段任务写成可改可验的对象，LLM 与数值优化分工处理结构与常数。它更像「已有运动能力如何被新任务调用」的路径，而不是从零训人形策略。边界应写窄：材料只涉及仿真并行验证，未谈真机与安全；实验句不完整，不宜当成已定量超过人工奖励。局限是依赖技能库和 LLM 改结构的质量，以及奖励程序能否覆盖真正接触丰富的交互——摘要没有给出证据。信息不足时，把它当作一条可跟进的测试时适应路线即可。