論文の概要: You Don't Need To Stay in The Loop: An Agentic Robotics Loop for Robot-Policy Improvement
- arxiv url: http://arxiv.org/abs/2608.07555v1
- Date: Sun, 02 Aug 2026 03:28:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:13:19.007252
- Title: You Don't Need To Stay in The Loop: An Agentic Robotics Loop for Robot-Policy Improvement
- Title（参考訳）: ロボットのループに留まる必要もない:ロボットの能力向上のためのエージェントロボットループ
- Abstract要約: AgenticRoboticsはバックエンドに依存しないコントロールプレーンで、使い捨て労働者を耐久性のある列車で駆動する。
ゲートは偽のプロモーション制御(1ランあたり0.001が強化され0.005--0.021が出荷された)、任意の停止中の任意の有能な決定、キルインジェクションによる損失または重複効果のゼロ、および署名された検証器によって捕獲された6つのアーティファクト・タンパリング・クラスのうち6つを購入する。
- 参考スコア（独自算出の注目度）: 12.935789703376718
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coding agents such as Claude Code and Codex close the software loop: a main agent manages the loop, subagents analyze and execute, tools do the work. We port this architecture to robot-policy improvement, where one difference dominates the design: robotic tools---trained policies, training pipelines, data collection---fail routinely, so a tool's quality must be measured, recorded at every call, and expired when the artifact behind it changes. AgenticRobotics is a backend-independent control plane in which an LLM controller drives disposable workers through durable train--evaluate--improve transactions: an immutable objective, controller-owned measurement, commit-keyed crash recovery, an evidence-graded skill library, and a tool registry with a standardized, recorded call surface. The title is an operational claim, not a selection claim: the operator can leave because promotion is evidence-gated, state is recoverable, and capability quality is derived from records---not because the loop picks better checkpoints than a human; on the one lineage we measured, it does not. The gates measurably buy false-promotion control (0.001 per run hardened versus 0.005--0.021 shipped), anytime-valid decisions under optional stopping, zero lost or duplicate effects under kill injection, and six of six artifact-tampering classes caught by a signed verifier.
- Abstract（参考訳）: Claude CodeやCodexといったコーディングエージェントがソフトウェアループをクローズする: メインエージェントがループを管理し、サブエージェントが分析して実行する。
ロボットツール – トレーニング済みのポリシ,トレーニングパイプライン,データ収集 – を日常的にフェールさせるため,ツールの品質を計測し,コール毎に記録し,背後にあるアーティファクトを変更すると期限が切れるのです。
AgenticRoboticsはバックエンドに依存しないコントロールプレーンで、LLMコントローラは、耐久性のあるトレイン-評価-改善されたトランザクションを通じて、使い捨てのワーカーを駆動する。
このタイトルは、オペレーショナルクレームではなく、オペレーショナルクレームである: オペレータは、プロモーションがエビデンス付きであり、状態が回復可能であり、機能品質はレコードから導かれる。
ゲートは偽のプロモーション制御(1ランあたり0.001が強化され0.005--0.021が出荷された)、任意の停止中の任意の有能な決定、キルインジェクションによる損失または重複効果のゼロ、および署名された検証器によって捕獲された6つのアーティファクト・タンパリング・クラスのうち6つを購入する。
関連論文リスト
- How to Speculate about Uncertainty in Agentic Coding? A Draft-Model Gate Method [4.37919186746582]
ブラックボックスエージェントの予測故障信号を復元する手法である投機的不確実性(SU)を提案する。
我々は、推論とアクションスパンを分離して位相認識の特徴を抽出し、検証対象に対して校正する。
SUは、ルーティング、人間の介入、テストタイムの余分な計算など、ダウンストリームポリシーが直接的に消費できる、障害に似たスコアを生成する。
論文 参考訳（メタデータ） (2026-09-04T15:30:22Z) - ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection [61.4148196085256]
本稿では,信頼という構造概念に根ざしたROPE(Routed Origin Policy Enforcement)について述べる。
提案手法では,(1)軌道の各段階において,攻撃可能コンテンツのみを起点とする値が,原点保護パラメータに到達しない,(2)注入のリワードがない,という2つの保証が認められている。
論文 参考訳（メタデータ） (2026-08-27T01:22:14Z) - Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。
Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
論文 参考訳（メタデータ） (2026-07-15T17:16:24Z) - Falsifiable Release Gates for Self-Improving Systems [0.0]
本稿では,フェール可能なリリースゲートと,そのようなシステムの構築と検証方法について述べる。
すべての新機能は、出荷前に、指定されたマシン検証可能な受け入れスイートをパスしなければならない。
コントロールリングによってマイニングされる安全クリティカルなプロパティ機能トークンのないエフェクターには、アクションは発生しない。
論文 参考訳（メタデータ） (2026-07-11T06:06:34Z) - TTHE: Test-Time Harness Evolution [50.26245555541721]
既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。
我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。
評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。
その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
論文 参考訳（メタデータ） (2026-07-09T05:53:39Z) - Auto: The AGI Compiler [0.0]
Autoは、ライブエージェントの振る舞いを記録し、どの部分が秘密に決定論的かを測定し、それを検証プログラムや蒸留専門家に抽出し、認識バイナリを出力するコンパイラである。
我々は,「AGIコンパイラ」を狭義で実証可能な意味で使用し,新規体験を,未知の知識を計測しながら,永続的で検証された,ほぼ自由なスキルに自律的に変換するシステムを開発した。
論文 参考訳（メタデータ） (2026-07-05T23:09:24Z) - Managed Autonomy at Runtime: Gear-Based Safety and Governance for Single- and Multi-Agent Cyber-Physical Systems [0.0]
我々は5つの実行装置とユーティリティゲートディスパッチとイベント駆動型フォールバックを組み合わせた離散時間制御システムを開発した。
単エージェントの場合、単調安定性、実行安全性、最終的な安定化、フォールバック完全性、およびギア制約されたマルコフ決定過程の等価性を証明する。
NIST emphDegradation Measurement of Robot Arm Position Accuracy dataset を用いて,3エージェントのUR5ロボット組立セル上での動作時間の評価を行った。
論文 参考訳（メタデータ） (2026-07-01T02:21:38Z) - A hardware-safety-gated system for LLM-written native ARTIQ control code on a trapped-ion platform [18.226528651110133]
大言語モデル(LLM)エージェントは、実験的な制御コードを書き、実行することができる。
チェックされていないコードは装置を損傷させる可能性があり、人間の承認/監督とエージェントの判断の間に正式な操作ごとの境界は存在しない。
本稿では,LLMエージェントを,そのような境界を保ちながらトラップイオン実験のループに配置する制御システムを提案する。
論文 参考訳（メタデータ） (2026-06-25T16:19:23Z) - TAPO: Tool-Aware Policy Optimization via Credit Transfer for Multimodal Search Agents [54.08846865906602]
ツール強化マルチモーダルサーチエージェントにおいて,クレジットミス割り当てをGRPOの系統的障害モードとして特徴付ける。
本稿では,情報取得ツールのパラメータ決定性を利用したツール・アウェア・ポリシー・オプティマイズ(TAPO)を提案する。
論文 参考訳（メタデータ） (2026-06-04T07:15:43Z) - From Patches to Trajectories: Privileged Process Supervision for Software-Engineering Agents [56.31499185764872]
教師の長い軌道上の監督された微調整(SFT)は、オープンソフトウェアエンジニアリング(SWE)エージェントに調査と推論を浸透させる主要な方法である。
本稿では,P2T (Patches-to-Trajectories) を提案する。P2T (Patches-to-Trajectories) は,P2T (Patches-to-Trajectories) において,P2T (Patches-to-Trajectories) とP2T (Patches-to-Trajectories) の2つの最適化法である。
論文 参考訳（メタデータ） (2026-05-21T04:54:55Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - Accelerating Robotic Reinforcement Learning with Agent Guidance [17.75786047468276]
強化学習(RL)は、自律ロボットが試行錯誤を通じて汎用的な操作スキルを習得するための強力なパラダイムを提供する。
近年のHuman-in-the-Loop(HIL)手法は,人間の修正によってトレーニングを加速するが,この手法はスケーラビリティの障壁に直面している。
エージェント誘導政策探索(AGPS)は,人間の監督者をマルチモーダルエージェントに置き換えることで,トレーニングパイプラインを自動化するフレームワークである。
論文 参考訳（メタデータ） (2026-02-12T14:09:32Z)
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。