論文の概要: Test-Driven Agentic Framework for Reliable Robot Controller
- arxiv url: http://arxiv.org/abs/2603.00455v1
- Date: Sat, 28 Feb 2026 04:26:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 04:59:27.806176
- Title: Test-Driven Agentic Framework for Reliable Robot Controller
- Title（参考訳）: 信頼性ロボット制御のためのテスト駆動エージェントフレームワーク
- Authors: Shivanshu Tripathi, Reza Akbarian Bafghi, Maziar Raissi,
- Abstract要約: ナビゲーションタスク用の低レベルロボットコントローラをデプロイするための,テスト駆動型エージェントフレームワークを提案する。
超音波センサを用いたロボットの画像を用いた2Dマップを作成したので,診断フィードバックを用いて生成したコントローラコードを反復的に洗練し,タスク成功を実現する。
- 参考スコア（独自算出の注目度）: 7.895232155155042
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we present a test-driven, agentic framework for synthesizing a deployable low-level robot controller for navigation tasks. Given a 2D map with an image of an ultrasonic sensor-based robot, or a 3D robotic simulation environment, our framework iteratively refines the generated controller code using diagnostic feedback from structured test suites to achieve task success. We propose a dual-tier repair strategy to refine the generated code that alternates between prompt-level refinement and direct code editing. We evaluate the approach across 2D navigation tasks and 3D navigation in the Webots simulator. Experimental results show that test-driven synthesis substantially improves controller reliability and robustness over one-shot controller generation, especially when the initial prompt is underspecified. The source code and demonstration videos are available at: https://shivanshutripath.github.io/robotic_controller.github.io.
- Abstract（参考訳）: 本研究では,ナビゲーションタスクのための低レベルロボットコントローラをデプロイするテスト駆動型エージェントフレームワークを提案する。
超音波センサを用いたロボットの画像と3次元ロボットシミュレーション環境を併用した2次元マップが与えられた場合、我々のフレームワークは、構造化テストスイートからの診断フィードバックを用いて、生成したコントローラコードを反復的に洗練し、タスクを成功させる。
本稿では,プロンプトレベルの改良と直接コード編集を交互に行う2層補正手法を提案する。
Webotsシミュレータにおける2次元ナビゲーションタスクと3次元ナビゲーションのアプローチを評価する。
実験結果から,初期プロンプトの特定が不十分な場合,テスト駆動合成により一発制御器の信頼性と堅牢性が著しく向上することが示された。
ソースコードとデモビデオは、https://shivanshutripath.github.io/robotic_controller.github.ioで公開されている。
関連論文リスト
- CRoSS: A Continual Robotic Simulation Suite for Scalable Reinforcement Learning with High Task Diversity and Realistic Physics Simulation [46.950823663585425]
継続的な強化学習では、エージェントは以前取得したポリシーを忘れずに一連のタスクから学ぶ必要がある。
本稿では,ガゼボシミュレータで現実的にシミュレーションされたロボットをベースとしたCRLのための新しいベンチマークスイートを提案する。
論文 参考訳（メタデータ） (2026-02-04T18:54:26Z) - RT-HCP: Dealing with Inference Delays and Sample Efficiency to Learn Directly on Robotic Platforms [16.18687520299694]
ロボット上でコントローラを直接学習するには、極端なサンプル効率が必要である。
本稿では,RT-HCPを提案する。RT-HCPは,性能,サンプル効率,推論時間に優れたトレードオフを提供するアルゴリズムである。
我々はRT-HCPの優位性を実験で検証し、簡単なが高周波な振り子プラットフォーム上で直接コントローラを学習する実験を行った。
論文 参考訳（メタデータ） (2025-09-08T14:09:33Z) - AgentTrek: Agent Trajectory Synthesis via Guiding Replay with Web Tutorials [53.376263056033046]
既存のアプローチは高価な人間のアノテーションに依存しており、大規模には持続不可能である。
本稿では,Webエージェントトラジェクトリを生成するスケーラブルなデータ合成パイプラインであるAgentTrekを提案する。
完全に自動化されたアプローチは、データ収集コストを大幅に削減し、人間のアノテータを使わずに、高品質な軌道を0.55ドルに抑えることができます。
論文 参考訳（メタデータ） (2024-12-12T18:59:27Z) - Hand-Object Interaction Pretraining from Videos [77.92637809322231]
我々は,3次元ハンドオブジェクトインタラクショントラジェクトリから,一般的なロボット操作を学習する。
人間の手と操作された物体を3D空間で共有し、人間の動きをロボットの動きと共有する。
我々は、このポリシーを、強化学習(RL)と行動クローニング(BC)の両方で微調整することで、下流タスクへのサンプル効率の適応を可能にし、従来のアプローチと比較して堅牢性と一般化性を同時に改善できることを実証的に実証した。
論文 参考訳（メタデータ） (2024-09-12T17:59:07Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - DeepIPC: Deeply Integrated Perception and Control for an Autonomous Vehicle in Real Environments [7.642646077340124]
本稿では,自動運転に適した新しいエンドツーエンドモデルであるDeepIPCを紹介する。
DeepIPCは知覚と制御タスクをシームレスに統合する。
本評価は,DeepIPCの乾燥性およびマルチタスク効率において優れた性能を示すものである。
論文 参考訳（メタデータ） (2022-07-20T14:20:35Z) - Self-Supervised Object Detection via Generative Image Synthesis [106.65384648377349]
本稿では,自己教師対象検出のための制御可能なGANを用いたエンドツーエンド分析合成フレームワークを提案する。
オブジェクトの合成と検出を学習するために、ボックスアノテーションを使用せずに、実世界のイメージのコレクションを使用します。
我々の研究は、制御可能なGAN画像合成という新しいパラダイムを導入することで、自己教師対象検出の分野を前進させる。
論文 参考訳（メタデータ） (2021-10-19T11:04:05Z) - Nano Version Control and Robots of Robots: Data Driven, Regenerative
Production Code [2.451910407959205]
コロナパンデミックの反映は、自動化を使ったより持続可能な生産システムの必要性を浮き彫りにしている。
本稿では,持続可能な生産コードを3つのより単純な問題に変換する方法を提案する。
論文 参考訳（メタデータ） (2021-10-10T10:37:46Z) - Learning of Long-Horizon Sparse-Reward Robotic Manipulator Tasks with
Base Controllers [26.807673929816026]
本稿では,1つ以上の従来型ベースコントローラを用いた長軸スパース・リワードタスクの学習手法を提案する。
提案アルゴリズムは,既存のベースコントローラを探索,価値学習,ポリシー更新の段階に組み込む。
我々の方法は、既存の産業用ロボット操作システムを利用して、より柔軟でインテリジェントなコントローラを構築する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-24T14:23:57Z) - Deep Imitation Learning for Bimanual Robotic Manipulation [70.56142804957187]
本稿では,ロボットによるバイマニュアル操作のための深層模倣学習フレームワークを提案する。
中心となる課題は、操作スキルを異なる場所にあるオブジェクトに一般化することである。
i)マルチモーダルダイナミクスを要素運動プリミティブに分解し、(ii)リカレントグラフニューラルネットワークを用いて各プリミティブをパラメータ化して相互作用を捕捉し、(iii)プリミティブを逐次的に構成する高レベルプランナと、プリミティブダイナミクスと逆運動学制御を組み合わせた低レベルコントローラを統合することを提案する。
論文 参考訳（メタデータ） (2020-10-11T01:40:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。