論文の概要: Learning Robust Execution in Robotic Manipulation with Agentic Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2607.13818v1
• Date: Wed, 15 Jul 2026 13:25:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.784289
• Title: Learning Robust Execution in Robotic Manipulation with Agentic Reinforcement Learning
• Title（参考訳）: エージェント強化学習によるロボットマニピュレーションにおけるロバスト実行の学習
• Abstract要約: 高レベルの意思決定を通じて効果的な実行を復元するエージェント強化学習フレームワークを提案する。 実行時劣化下では、ロボットが以前訪れた名目状態に回復するための適切な回復メカニズムをトリガーする。 提案手法をLIBEROベンチマークで評価し,最大13.7%の精度向上を実現した。
• 参考スコア（独自算出の注目度）: 17.169000876264796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic manipulation poses fundamental challenges due to uncertainty, long-horizon execution, and compounding errors, which can easily destabilize execution and lead to task failure. Although recent vision-language-action (VLA) models exhibit strong generalization, they typically lack explicit mechanisms to assess execution stability and to recover when execution deviates from its nominal behavior. In this paper, we propose: (1) two complementary metrics to assess execution quality at runtime, and (2) an agentic reinforcement learning framework that learns to restore effective execution through high-level decision-making rather than directly learning low-level actions. In this framework, an agentic policy reasons over recent execution history and selects among a small set of execution modes to regulate the execution process. Under execution degradation, it triggers appropriate recovery mechanisms to restore the robot to previously visited nominal states, enabling the task to continue. We evaluate the proposed method on the LIBERO benchmark, achieving up to a 13.7% improvement in success rate under standard settings and up to a 39.2% improvement under disturbance settings, demonstrating substantially enhanced execution robustness.
• Abstract（参考訳）: ロボット操作は、不確実性、長距離実行、複合エラーによる根本的な問題を引き起こし、実行を不安定にし、タスクの失敗につながる。 最近の視覚言語アクション(VLA)モデルは強力な一般化を示すが、通常、実行安定性を評価し、実行が名目上の振る舞いから逸脱したときに回復する明確なメカニズムを欠いている。 本稿では,(1)実行時の実行品質を評価するための2つの相補的指標,(2)低レベルの動作を直接学習するのではなく,高レベルの意思決定を通じて効果的な実行を復元するエージェント強化学習フレームワークを提案する。 このフレームワークでは、最近の実行履歴に対してエージェントポリシーが原因となり、実行プロセスを制御するための小さな実行モードの中から選択される。 実行の劣化下では、ロボットが訪問した名目状態に復元する適切な回復メカニズムをトリガーし、タスクを継続できるようにする。 提案手法をLIBEROベンチマークで評価し、標準設定で最大13.7%、外乱設定で最大39.2%の改善を実現し、実行堅牢性を大幅に向上した。

関連論文リスト

• To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program Repair [18.653708704742353]
  実行には時間がかかり費用もかかるが、プログラム修復エージェントへの影響は未調査のままである。 コード実行は分析されたすべてのエージェントとモデルで使用され、タスク毎に平均8.8のテスト実行が実行される。 現在のエージェントは実行を無差別に適用し、ほとんど利益が得られないインスタンスにコストを支払う。
  論文  参考訳（メタデータ） (2026-06-25T12:49:59Z)
• Benchmarking Vision-Language-Action Models on SO-101: Failure and Recovery Analysis [9.340058165047717]
  VLA(Vision-Language-Action)モデルは、ロボット操作において強力な一般化を示している。 我々は,低コストなSO-101ロボットプラットフォーム上で,代表的VLAと模倣学習ポリシーを評価するための標準化された実世界ベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-06-07T23:39:03Z)
• RePO-VLA: Recovery-Driven Policy Optimization for Vision-Language-Action Models [90.39703013636868]
  RePO-VLAは、リカバリ駆動のポリシー最適化フレームワークである。 成功、回復、失敗の軌跡に異なる役割を割り当てる。 対人的な成功は、平均で20%から75%、実世界の規模で80%まで上昇する。
  論文  参考訳（メタデータ） (2026-05-10T08:24:05Z)
• Harnessing Embodied Agents: Runtime Governance for Policy-Constrained Execution [14.412476605788482]
  エージェントは受動的推論システムから、ツールやロボット、物理的環境と相互作用するアクティブエグゼクタへと進化している。 既存のアプローチでは、エージェントループ内に安全性とリカバリが組み込まれているため、実行制御の標準化、監査、適応が困難になる。 本稿では,エージェント認知と実行監視を分離する,ポリシー制約付き実行のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-09T05:35:08Z)
• When Should a Robot Think? Resource-Aware Reasoning via Reinforcement Learning for Embodied Robotic Decision-Making [68.12864562049957]
  身体ロボットシステムは、高レベルの推論をサポートするために、大規模言語モデル(LLM)ベースのエージェントにますます依存している。 エージェントはいつ、いつ、いつ行動すべきか? 本稿では,エンボディエージェントのリソース・アウェア・オーケストレーションのための階層的なフレームワークであるRARRL(Resource-Aware Reasoning via Reinforcement Learning)を提案する。
  論文  参考訳（メタデータ） (2026-03-17T15:38:50Z)
• See, Plan, Rewind: Progress-Aware Vision-Language-Action Models for Robust Robotic Manipulation [59.07792608884117]
  本稿では,See, Plan, Rewind (SPR)について紹介する。 SPRは、現在の状態と今後のマイルストーンを見て、次の2Dウェイポイントに向けて軌道を計画し、障害時に回復可能な状態に戻すという、継続的なコアサイクルを通じて運用される。 SPRは、OpenVLA-OFTとUniVLAを上回る最小のパフォーマンス低下で最先端のロバスト性を達成する。
  論文  参考訳（メタデータ） (2026-03-10T07:22:51Z)
• Verified Critical Step Optimization for LLM Agents [67.05296684575445]
  クリティカルステップ最適化は、検証されたクリティカルステップに優先学習を集中する。 メソッドは、専門家のデモンストレーションではなく、失敗するポリシーの軌道から始まります。 GAIA-Text-103とXBench-DeepSearchの実験では、CSOはSFTベースラインよりも37%、相対的に26%改善している。
  論文  参考訳（メタデータ） (2026-02-03T11:41:02Z)
• Conditional Multi-Stage Failure Recovery for Embodied Agents [17.95974193288372]
  ゼロショット連鎖プロンプトを用いた条件付き多段階故障復旧フレームワークを提案する。 我々は,TEACHデータセットのTfDベンチマークを用いて評価を行い,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-07-08T14:23:41Z)
• Devil's Advocate: Anticipatory Reflection for LLM Agents [53.897557605550325]
  我々のアプローチは、LLMエージェントに対して、与えられたタスクを管理可能なサブタスクに分解するように促す。 イントロスペクティブ・イントロスペクティブ・イントロスペクティブ・イントロスペクティブ(introspective intervention)を3回実施する。 潜在的な障害の予測と、アクション実行前の代替策。 サブタスクの目的とのポストアクションアライメントと、計画実行における最大限の努力を保証するための改善によるバックトラック。
  論文  参考訳（メタデータ） (2024-05-25T19:20:15Z)
• Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
  VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。 VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
  論文  参考訳（メタデータ） (2021-07-27T16:39:45Z)

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。