論文の概要: From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2605.11951v1
• Date: Tue, 12 May 2026 11:00:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.809481
• Title: From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation
• Title（参考訳）: 反応から予測へ:ロボットマニピュレーションのためのエージェントタスクグラフによる能動的故障回復
• Authors: Sheng Xu, Ruixing Jin, Huayi Zhou, Bo Yue, Guanren Qiao, Yunxin Tai, Yueci Deng, Kui Jia, Guiliang Liu,
• Abstract要約: 本稿では,操作タスクを有向タスクグラフとしてモデル化するエージェントシステムであるAgentChordを紹介する。 実行前に、このグラフには、コンテキスト対応の修正動作を指定する予測リカバリブランチが組み込まれている。 多様な長距離双方向操作タスクに関する実証研究は、AgentChordが成功率と実行効率を大幅に改善することを示した。
• 参考スコア（独自算出の注目度）: 45.37258918150899
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Although robotic manipulation has made significant progress, reliable execution remains challenging because task failures are inevitable in dynamic and unstructured environments. To handle such failures, existing frameworks typically follow a stepwise detect-reason-recover pipeline, which often incurs high latency and limited robustness due to delayed reasoning and reactive planning. Inspired by the human capability to anticipate and proactively plan for potential failures, we introduce AgentChord, an agentic system that models a manipulation task as a directed task graph. Before execution, this graph is enriched with anticipatory recovery branches that specify context-aware corrective behaviors, enabling immediate and targeted responses when failures occur. Specifically, AgentChord operates through a choreography of specialized agents: a composer that structures the nominal task graph, an arranger that augments the graph with anticipatory recovery branches, and a conductor that compiles and coordinates executable transitions using low-latency monitors to detect deviations and trigger pre-compiled recoveries without re-planning. Empirical studies on diverse long-horizon bimanual manipulation tasks demonstrate that AgentChord substantially improves success rates and execution efficiency, advancing the reliability and autonomy of real-world robotic systems. The project page is available at: https://shengxu.net/AgentChord/.
• Abstract（参考訳）: ロボット操作は大きな進歩を遂げているが、動的で非構造的な環境ではタスクの失敗は避けられないため、信頼性の高い実行は依然として困難である。 このような障害に対処するため、既存のフレームワークは通常、ステップワイズで検出・リリース・リカバリパイプラインに従っている。 人体による潜在的な障害の予測と予測を積極的に行う能力に着想を得て,操作タスクを有向タスクグラフとしてモデル化するエージェントシステムであるAgentChordを導入する。 実行前に、このグラフには、コンテキスト対応の修正動作を指定する予測リカバリブランチが組み込まれている。 具体的には、AgentChordは、名目上のタスクグラフを構成する作曲家、予測リカバリブランチでグラフを増強するアレンジメント、低遅延モニタを使用して実行可能トランジションをコンパイルして、逸脱を検知し、再計画せずにプリコンパイルされたリカバリをトリガーするコンダクタなど、特殊なエージェントのコレオグラフィーを実行する。 多様な長距離双方向操作タスクに関する実証研究は、AgentChordが成功率と実行効率を大幅に改善し、現実世界のロボットシステムの信頼性と自律性を向上させることを実証している。 プロジェクトページは、https://shengxu.net/AgentChord/.comで公開されている。

関連論文リスト

• Step-level Optimization for Efficient Computer-use Agents [51.29573359027217]
  我々は、強力なコンピュータ利用エージェントは、実際は高価で遅いと論じている。 本稿では,コンピュータ利用エージェントのためのイベント駆動ステップレベルカスケードを提案する。
  論文  参考訳（メタデータ） (2026-04-29T19:59:36Z)
• Don't Act Blindly: Robust GUI Automation via Action-Effect Verification and Self-Correction [4.081183001322422]
  ノイズの多い環境下での動作結果と回復を明示的にモデル化するVeriGUIを提案する。 ロバストSFTと合成故障軌道とGRPOを非対称な検証報酬と組み合わせた2段階の訓練パイプラインを開発した。 実験の結果、VeriGUIは障害ループを大幅に削減し、標準的なタスク性能を維持しながらリカバリ成功を改善することがわかった。
  論文  参考訳（メタデータ） (2026-04-07T06:16:23Z)
• Anticipatory Planning for Multimodal AI Agents [77.62643381558613]
  予測推論を明示的に訓練する2段階強化学習フレームワークであるTraceR1を紹介する。 TraceR1は、オンラインコンピュータ使用、オフラインコンピュータ使用ベンチマーク、マルチモーダルツール使用推論タスクを含む、7つのベンチマークで評価されている。 以上の結果から,予測軌道推論は,複雑な実環境において効果的に推論,計画,行動が可能なマルチモーダルエージェント構築の鍵となる原理であることが示唆された。
  論文  参考訳（メタデータ） (2026-03-17T16:55:11Z)
• AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
  我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。 ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。 探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
  論文  参考訳（メタデータ） (2026-03-15T16:13:58Z)
• LongCLI-Bench: A Preliminary Benchmark and Study for Long-horizon Agentic Programming in Command-Line Interfaces [65.11019654023978]
  LongCLI-Benchは、長期にわたる現実的なタスクにまたがるエージェント能力を評価するために設計されたベンチマークである。 私たちは、1000以上のコンピュータサイエンスの課題と現実世界のタスクから、20の高品質で長い水平タスクをキュレートしました。 実験によると、最先端のエージェントでさえLongCLI-Benchの20%未満のパスレートを達成する。
  論文  参考訳（メタデータ） (2026-02-15T23:12:57Z)
• SkillJect: Automating Stealthy Skill-Based Prompt Injection for Coding Agents with Trace-Driven Closed-Loop Refinement [120.52289344734415]
  エージェントスキルに適したステルスプロンプトインジェクションのための自動フレームワークを提案する。 フレームワークは、明示的なステルス制約の下でインジェクションスキルを合成するアタックエージェント、インジェクションされたスキルを使用してタスクを実行するコードエージェント、アクショントレースをログする評価エージェントの3つのエージェントでクローズドループを形成する。 本手法は,現実的な環境下で高い攻撃成功率を達成する。
  論文  参考訳（メタデータ） (2026-02-15T16:09:48Z)
• Agentic Metacognition: Designing a "Self-Aware" Low-Code Agent for Failure Prediction and Human Handoff [0.0]
  自律エージェントの非決定論的性質は信頼性の課題を示す。 二次的な「メタ認知」層は一次LCNC剤を活発に監視する。 人間のイントロスペクションにインスパイアされたこのレイヤは、差し迫ったタスクの失敗を予測するように設計されている。
  論文  参考訳（メタデータ） (2025-09-24T06:10:23Z)
• Scene Graph-Guided Proactive Replanning for Failure-Resilient Embodied Agent [9.370683025542686]
  本稿では,サブタスク境界における障害の検出と修正を行う,アクティブなリプランニングフレームワークを提案する。 AI2-THORシミュレータの実験では,実行障害発生前の意味的および空間的ミスマッチを検出する。
  論文  参考訳（メタデータ） (2025-08-15T07:48:51Z)
• A Unified Framework for Real-Time Failure Handling in Robotics Using Vision-Language Models, Reactive Planner and Behavior Trees [1.3481665321936716]
  本稿では,リアクティブプランナであるVLM(Vision-Language Models)とBT(Behavior Trees)を組み合わせて,リアルタイムの障害処理を実現する,統合された障害復旧フレームワークを提案する。 当社のアプローチには、実行前の潜在的な障害をチェックする事前実行検証と、実行中の障害を検出し修正するリアクティブ障害処理が含まれている。 我々は、ペグ挿入、オブジェクトソート、引き手の配置といったタスクにおいて、ABB YuMiロボットを用いた実世界の実験を通して、我々のフレームワークを評価する。
  論文  参考訳（メタデータ） (2025-03-19T13:40:56Z)

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。