論文の概要: RoboWits: Unexpected Challenges for Robotic Creative Problem Solving

• arxiv url: http://arxiv.org/abs/2605.30326v1
• Date: Thu, 28 May 2026 17:57:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 00:00:30.963267
• Title: RoboWits: Unexpected Challenges for Robotic Creative Problem Solving
• Title（参考訳）: RoboWits:ロボットによる創造的問題解決の未解決課題
• Authors: Chunru Lin, Hongxin Zhang, Fenghao Yu, Zhehuan Chen, Thomas L. Griffiths, Yejin Choi, David Held, Chuang Gan,
• Abstract要約: 我々は、認知的推論、創造的ツールの使用、予期しない状況に対する堅牢性を評価するために設計された、双方向のロボットベンチマークであるRoboWitsを紹介する。 このパイプラインを用いて,30種類の種タスクと208のタスクを,幾何学的,物質的,集合的推論にまたがる変異と難易度でキュレートした。 プレトレーニングされたVLAは,単一タスクの微調整後にシードタスクに予備的な成功を示すが,変異タスクの実行に苦慮している。
• 参考スコア（独自算出の注目度）: 58.58727722988084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to reason, adapt, and creatively solve problems under unexpected challenges is essential for robots operating in real-world environments. However, current robotic benchmarks primarily emphasize skill-level execution and provide limited insight into such cognitive reasoning capabilities. We introduce RoboWits, a bi-manual robotic benchmark designed to systematically evaluate cognitive reasoning, creative tool use, and robustness to unexpected conditions. To enable scalable construction of high-quality reasoning-centric unexpected scenarios, we propose an automated task generation pipeline formulated as a multi-agent cooperative framework, comprising agents for seed task generation and verification, metric generation, scene generation, and task mutation. Using the pipeline, we curated 30 diverse seed tasks and 208 tasks with mutations and graded difficulty across geometry, material, and assembly-based reasoning. We benchmark popular robot policies, pre-trained VLAs, and oracle-state planners. Our results reveal a significant performance gap: while pre-trained VLAs exhibit preliminary success on seed tasks after single-task fine-tuning, they struggle to perform on mutated tasks, implying their brittleness in manipulation tasks requiring reasoning, strategy adaptation, and robustness to deceptive or constrained environments. Project page is available at https://umass-embodied-agi.github.io/RoboWits.
• Abstract（参考訳）: 予期せぬ課題の下で問題を推論し、適応し、創造的に解決する能力は、現実の環境で動くロボットにとって不可欠である。 しかしながら、現在のロボットベンチマークは、主にスキルレベルの実行を強調し、そのような認知的推論能力に関する限られた洞察を提供する。 我々は,認知的推論,創造的ツールの使用,予期せぬ状況に対する堅牢性を体系的に評価するために設計された,双方向のロボットベンチマークであるRoboWitsを紹介する。 高品質な推論中心の予期せぬシナリオをスケーラブルに構築するために,シードタスクの生成と検証,メートル法生成,シーン生成,タスク突然変異などのエージェントを含む多エージェント協調フレームワークとして構成されたタスク自動生成パイプラインを提案する。 このパイプラインを用いて,30種類の種タスクと208のタスクを,幾何学的,物質的,集合的推論にまたがる変異と難易度でキュレートした。 我々は、人気のあるロボットポリシー、事前訓練されたVLA、およびオラクル状態プランナーをベンチマークする。 本研究の結果は, 単タスクの微調整後, 種子タスクにおいて事前学習したVLAが予備的な成功をおさめながら, 変異タスクの遂行に苦慮し, 推論, 戦略適応, 詐欺的・制約的環境に対する堅牢性などを必要とする操作タスクの脆さを示唆した。 プロジェクトページはhttps://umass-embodied-agi.github.io/RoboWits.comで公開されている。

関連論文リスト

• RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation [37.52152452548065]
  RoboGeneは多様な物理的に可能な操作タスクを生成するために設計されたエージェントフレームワークである。 広範に定量的な分析と大規模な実世界の実験を行い、18k軌道のデータセットを収集した。 結果は、RoboGeneが最先端の基礎モデルよりも大幅に優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-18T13:29:43Z)
• Automatic Cognitive Task Generation for In-Situ Evaluation of Embodied Agents [43.01384379901339]
  本研究では,人間の認知に触発された未確認環境に対する動的タスク生成手法を提案する。 インタラクションの段階では、エージェントは環境と積極的に対話し、タスクの実行と生成の間のループを作成する。 10シーンにわたる実験では、TAAは2サイクルで87,876のタスクを自動生成している。
  論文  参考訳（メタデータ） (2026-02-05T03:07:00Z)
• Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
  大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。 異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。 我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
  論文  参考訳（メタデータ） (2025-10-30T18:24:38Z)
• RoboPilot: Generalizable Dynamic Robotic Manipulation with Dual-thinking Modes [5.47460315248808]
  ロボット操作のための2つのクローズドループフレームワークであるRoboPilotを紹介する。 RoboPilotは、現実世界の動的環境における複雑なタスクに対する適応推論をサポートする。 我々はRoboPilotがタスク成功率の25.9%で最先端のベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2025-09-30T18:25:47Z)
• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• Investigating the Effectiveness of a Socratic Chain-of-Thoughts Reasoning Method for Task Planning in Robotics, A Case Study [0.0]
  本研究では,大規模言語モデル (LLM) が実世界の物理行動で複雑な空間的タスクをナビゲートできるかどうかを考察する。 我々は,Webots エンジンに擬似ティアゴロボットを組み込んだ GPT-4(Omni) をオブジェクト探索タスクに適用する。 予備的な結果は、チェーン・オブ・ソート推論と組み合わせることで、ソクラティック法が空間認識を必要とするロボットタスクのコード生成に利用できることを示している。
  論文  参考訳（メタデータ） (2025-03-11T08:36:37Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)

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。