論文の概要: Playful Agentic Robot Learning

• arxiv url: http://arxiv.org/abs/2606.19419v1
• Date: Wed, 17 Jun 2026 17:55:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.458401
• Title: Playful Agentic Robot Learning
• Title（参考訳）: 遊び型エージェントロボット学習
• Authors: Junyi Zhang, Jiaxin Ge, Hanjun Yoo, Letian Fu, Zihan Yang, Yaowei Liu, Raj Saravanan, Shaofeng Yin, Justin Yu, Dantong Niu, Zirui Wang, Roei Herzig, Ken Goldberg, Yutong Bai, David M. Chan, Ion Stoica, Angjoo Kanazawa, Jiahui Lei, Haiwen Feng, Trevor Darrell,
• Abstract要約: 本研究では,実演型プログラミングエージェントが,下流のタスクが到着する前に,連続的なスキル学習段階として自己指導型プレイを使用する,遊び型エージェントロボット学習について検討する。 RATは、新しい学習可能な探索タスク、ロボットコードポリシーの計画と実行、中間的な進捗の検証、失敗の診断、密集したステップレベルのフィードバックによる検索、そして成功した実行を永続的なコードスキルライブラリに蒸留することを提案する。
• 参考スコア（独自算出の注目度）: 108.08954330298549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current agentic robot systems can write executable Code-as-Policy programs, observe feedback, and revise behavior across multiple attempts, but they remain largely task-driven: reusable skills are acquired only after explicit instructions. We study Playful Agentic Robot Learning, where an embodied coding agent uses self-directed play as a continual skill-learning stage before downstream tasks arrive. We introduce RATs, Robotics Agent Teams designed for play-time skill acquisition. During play, RATs proposes novel yet learnable exploratory tasks, plans and executes robot-code policies, verifies intermediate progress, diagnoses failures, retries with dense, step-level feedback, and distills successful executions into a persistent code skill library. At test time, the agent reuses relevant skills from this frozen library to help solve new tasks. Experiments in LIBERO-PRO and MolmoSpaces show that play-learned skills improve held-out downstream tasks over no-play and random-play baselines, with 20.6 and 17.0 percentage-point gains over CaP-Agent0 on LIBERO-PRO and MolmoSpaces, respectively. Moreover, the learned skills can be plugged into other inference-time Code-as-Policy agents by simply retrieving them into the context, improving RoboSuite and real-world transfer by 8.9 and 8.8 points, respectively, without finetuning the underlying model.
• Abstract（参考訳）: 現在のエージェントロボットシステムは、実行可能なCode-as-Policyプログラムを記述したり、フィードバックを観察したり、複数の試みにまたがって振る舞いを修正したりすることができるが、それらは主にタスク駆動であり、再利用可能なスキルは明示的な指示の後にのみ取得される。 本研究では,実演型プログラミングエージェントが,下流のタスクが到着する前に,連続的なスキル学習段階として自己指導型プレイを使用する,遊び型エージェントロボット学習について検討する。 プレイタイムスキル獲得用に設計されたロボットエージェントチームであるRATを紹介した。 RATは、新しい学習可能な探索タスク、ロボットコードポリシーの計画と実行、中間的な進捗の検証、失敗の診断、密集したステップレベルのフィードバックによる検索、そして成功した実行を永続的なコードスキルライブラリに蒸留することを提案する。 テスト時には、エージェントは凍結したライブラリから関連するスキルを再利用して、新しいタスクの解決を支援する。 LIBERO-PRO と MolmoSpaces の実験では、プレイ学習したスキルは、ノウプレイベースラインとランダムプレイベースラインでダウンストリームタスクを改善し、LIBERO-PRO の CaP-Agent0 よりも 20.6 と 17.0 のパーセンテージが向上した。 さらに、学習したスキルを、単にコンテキストにリトライすることで、他の推論タイムのCode-as-Policyエージェントにプラグインすることができ、基礎となるモデルを微調整することなく、RoboSuiteと現実世界のトランスファーを8.9ポイント改善することができる。

関連論文リスト

• CODESKILL: Learning Self-Evolving Skills for Coding Agents [13.599750520978988]
  コーディングエージェントは、ソフトウェアエンジニアリングタスクを解決しながら、豊富な軌道を生成する。 エージェントの自己進化を可能にするために、これらの軌道は、体験をコンパクトにエンコードして将来の行動を導く再利用可能な手続きスキルに蒸留することができる。 CODESKILLは,学習可能な管理方針として,スキル抽出とスキルバンクのメンテナンスを再構築するLLMベースのフレームワークである。
  論文  参考訳（メタデータ） (2026-05-25T05:12:49Z)
• Harnessing LLM Agents with Skill Programs [58.356514745548026]
  HASPは、実行可能なプログラム関数(PF)にスキルをアップグレードする新しいフレームワークです。 PFは障害が発生しやすい状態を起動し、次のアクションを変更したり、修正コンテキストを注入する実行可能なガードレールとして機能する。 HASPは、Web検索、数学推論、コーディングタスクにおいて、トレーニング不要とトレーニングベースの両方の手法と比較して、大幅に向上している。
  論文  参考訳（メタデータ） (2026-05-18T01:35:11Z)
• Combee: Scaling Prompt Learning for Self-Improving Language Model Agents [58.781108056413274]
  近年の即時学習の進歩により、大規模言語モデルエージェントはパラメータ変更なしに推論時間からタスク関連知識を取得できるようになっている。 多くのエージェントトレースや並列エージェントの実行から学習が増加する傾向に対応するために、素早い学習を並行して実行することは効率的かつ有益である。 我々は,自己改善エージェントのための並列プロンプト学習をスケールする新しいフレームワークであるCombeeを提案する。
  論文  参考訳（メタデータ） (2026-04-05T20:07:48Z)
• Act-Observe-Rewrite: Multimodal Coding Agents as In-Context Policy Learners for Robot Manipulation [0.0]
  本稿では、LLMエージェントがロボット操作ポリシーを改善するためのフレームワークであるAct-Observe-Rewrite(AOR)を提案する。 AORはLLM推論の単位として、完全な低レベルモーター制御を実装している。 エージェントは、デモンストレーション、報酬工学、勾配更新なしで高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-03T22:15:55Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• Self-Challenging Language Model Agents [98.62637336505242]
  本稿では,エージェントが自ら生成する高品質なタスクについて,エージェントを訓練するためのセルフチェンジフレームワークを提案する。 このフレームワークは、Llama-3.1-8B-Instructの2倍の改善を実現している。
  論文  参考訳（メタデータ） (2025-06-02T14:23:33Z)
• A Backbone for Long-Horizon Robot Task Understanding [8.889888977376886]
  Therblig-Based Backbone Framework (TBBF)は、ロボットシステムにおける解釈可能性、データ効率、一般化を強化する構造である。 TBBFは、専門家によるデモンストレーションを利用して、rbligレベルのタスク分解を可能にする。 オフライントレーニングの段階において,正確なソルビグセグメンテーションのためのMeta-RGate SynerFusionネットワークを開発した。 オンラインテストの段階では、新しいタスクのワンショットデモが収集された後、MGSFネットワークは高いレベルの知識を抽出する。
  論文  参考訳（メタデータ） (2024-08-02T15:32:42Z)
• LIBERO: Benchmarking Knowledge Transfer for Lifelong Robot Learning [64.55001982176226]
  LIBEROは、ロボット操作のための生涯学習の新しいベンチマークである。 宣言的知識、手続き的知識、あるいは両者の混在を効率的に伝達する方法に焦点を当てる。 我々は、無限に多くのタスクを生成できる拡張可能な手続き生成パイプラインを開発した。
  論文  参考訳（メタデータ） (2023-06-05T23:32:26Z)
• Reinforcement Learning Experiments and Benchmark for Solving Robotic Reaching Tasks [0.0]
  強化学習はロボットアームによる到達タスクの解決に成功している。 ハイドサイト体験再生探索技術により報奨信号の増大が, オフ・ポリティクス・エージェントの平均リターンを増加させることが示されている。
  論文  参考訳（メタデータ） (2020-11-11T14:00:49Z)

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。