論文の概要: SkillComposer: Learning Reusable Skills for Natural-Language Robot Programming

• arxiv url: http://arxiv.org/abs/2608.14944v1
• Date: Fri, 14 Aug 2026 23:49:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.133028
• Title: SkillComposer: Learning Reusable Skills for Natural-Language Robot Programming
• Title（参考訳）: SkillComposer: 自然言語ロボットプログラミングのための再利用可能なスキルを学ぶ
• Abstract要約: SkillComposerは、シミュレーション環境のための対話型自然言語ロボットプログラミングシステムである。 成功したプログラムは、オンラインライブラリ学習アルゴリズムによって保存され、処理される。 その結果、評価者誘導型世代と学習抽象は成功率とユーザビリティを向上させることが示された。
• 参考スコア（独自算出の注目度）: 15.199350753007339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural-language interfaces can lower the barrier to programming robots, but existing systems struggle when users request complex tasks. While large language models (LLMs) perform well with simple commands, they often struggle to generate code for multi-step tasks, decompose high-level instructions, or reuse prior solutions. We present SkillComposer, an interactive natural-language robot programming system for simulation environments that continually learns reusable program abstractions. SkillComposer uses a generate-test architecture in which an LLM iteratively generates and revises robot programs before execution. Successful programs are stored and processed by an online library-learning algorithm that compresses recurring function sequences into reusable macro skills for future tasks. We evaluate SkillComposer through ablation experiments and a user study with 12 participants to determine its effectiveness on manipulation and robot caregiving tasks. The results show that evaluator-guided generation and learned abstractions improve success rates and usability while reducing user effort in natural-language robot programming.
• Abstract（参考訳）: 自然言語インタフェースはプログラミングロボットの障壁を低くするが、既存のシステムはユーザーが複雑なタスクを要求すると苦労する。 大きな言語モデル(LLM)は単純なコマンドでうまく機能するが、多段階タスクのコードを生成するのに苦労したり、高レベルの命令を分解したり、事前のソリューションの再利用に苦労することが多い。 本稿では,再利用可能なプログラム抽象化を継続的に学習するシミュレーション環境のための対話型自然言語ロボットプログラミングシステムであるSkillComposerを紹介する。 SkillComposerは、LLMが実行前にロボットプログラムを反復的に生成し、修正する生成テストアーキテクチャを使用する。 成功したプログラムはオンラインライブラリ学習アルゴリズムによって格納され、関数列を圧縮し、将来のタスクのために再利用可能なマクロスキルとして処理される。 我々は,SkillComposerをアブレーション実験および12人の被験者によるユーザスタディにより評価し,その操作性やロボットケアタスクにおける有効性について検討した。 その結果、自然言語ロボットプログラミングにおけるユーザ努力を削減しつつ、評価者誘導型世代と学習抽象化が成功率とユーザビリティを向上させることを示した。

関連論文リスト

• RoBridge: A Hierarchical Architecture Bridging Cognition and Execution for General Robotic Manipulation [90.81956345363355]
  RoBridgeは、一般的なロボット操作のための階層的なインテリジェントアーキテクチャである。 大規模事前学習型視覚言語モデル(VLM)に基づくハイレベル認知プランナー(HCP)で構成されている。 強化学習の手続き的スキルを解き放ち、認知と実行のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2025-05-03T06:17:18Z)
• Towards No-Code Programming of Cobots: Experiments with Code Synthesis by Large Code Models for Conversational Programming [17.22551679328024]
  LLM(Large Language Models)は、対話型コード生成のためのコンテキスト内学習を行うように設計されている。 本研究は,テキスト中の実例から,このようなコードを合成するための最先端のLLMの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-17T10:04:50Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• 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)
• Learning a Hierarchical Planner from Humans in Multiple Generations [21.045112705349222]
  本稿では,プログラム型学習と階層型プランナを組み合わせたライブラリ学習システムである自然言語プログラミングについて述べる。 ユーザは、難しいが不可能ではない目標を特定することによって、カリキュラム構築を通じてシステムを教える。 このシステムは、言語ヒントを用いて、その確率分布を導く階層的計画を通じて目標を達成する。
  論文  参考訳（メタデータ） (2023-10-17T22:28:13Z)
• Incremental Learning of Humanoid Robot Behavior from Natural Interaction and Large Language Models [23.945922720555146]
  本研究では,自然相互作用から複雑な行動の漸進的な学習を実現するシステムを提案する。 本システムは,ヒューマノイドロボットARMAR-6のロボット認知アーキテクチャに組み込まれている。
  論文  参考訳（メタデータ） (2023-09-08T13:29:05Z)
• Language to Rewards for Robotic Skill Synthesis [37.21434094015743]
  我々は,大規模言語モデル(LLM)を利用して,様々なロボットタスクを最適化し,達成可能な報酬パラメータを定義する新しいパラダイムを提案する。 LLMが生成する中間インタフェースとして報酬を用いることで、ハイレベルな言語命令と修正のギャップを、低レベルなロボット動作に効果的に埋めることができる。
  論文  参考訳（メタデータ） (2023-06-14T17:27:10Z)
• What Matters in Language Conditioned Robotic Imitation Learning [26.92329260907805]
  オフラインのフリーフォーム模倣データセットから言語条件付きポリシーを学習する際の最も重要な課題について検討する。 本稿では,CALVINベンチマークを用いて,言語条件の難易度を向上する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-13T08:45:32Z)
• Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
  多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。 本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。 我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
  論文  参考訳（メタデータ） (2021-09-19T18:00:51Z)
• Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
  本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。 ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
  論文  参考訳（メタデータ） (2020-10-11T08:27:07Z)
• Scalable Multi-Task Imitation Learning with Autonomous Improvement [159.9406205002599]
  我々は、自律的なデータ収集を通じて継続的に改善できる模倣学習システムを構築している。 我々は、ロボット自身の試行を、実際に試みたタスク以外のタスクのデモとして活用する。 従来の模倣学習のアプローチとは対照的に,本手法は,継続的改善のための疎い監視によるデータ収集を自律的に行うことができる。
  論文  参考訳（メタデータ） (2020-02-25T18:56:42Z)

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。