論文の概要: Zetta $ζ$: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence
- arxiv url: http://arxiv.org/abs/2608.16590v1
- Date: Mon, 17 Aug 2026 13:49:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.723069
- Title: Zetta $ζ$: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence
- Title（参考訳）: Zetta$: 自己進化型物理的知能のための効率的なクローズドループ・エボディード・ハーネス
- Abstract要約: エンボディードエージェントは、エンドツーエンドのポリシーモデルによって残されたギャップを埋めるために、ますます使われています。
既存のハーネスはほとんどオープンループのままで、ロールアウト中に一定のスキルを身につけ、エピソードが完成した後にのみ反映される。
コードベースのランタイム批判とリカバリスキルをオンラインで進化させるクローズドループエンボディハーネスであるZettaを紹介します。
- 参考スコア（独自算出の注目度）: 35.97081339163319
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Embodied agents are increasingly used to close the gap left by end-to-end policy models. Yet the agentic path has not realized closed-loop learning in physical execution: existing harnesses remain largely open-loop, following fixed skills during rollout and reflecting only after an episode completes. Such post-hoc reflection cannot govern execution as it unfolds, because physical interaction requires decisions to track rapidly changing robot-environment states at a frequency beyond today's large agentic models. We present Zetta, a closed-loop embodied harness that evolves code-based runtime critics and recovery skills online while keeping the base policy frozen. Through three timescale-separated loops, Zetta provides action-frequency governance, rollout-level critic-recovery proposal, and validation-gated skill updates. Together with Z-Infra, a rollout infrastructure decoupling agent logic from heterogeneous execution resources, Zetta achieves state-of-the-art success on LIBERO-Pro and RoboCasa under our current rollout budget, reaching 90.8% and 93.6%, with an 11.1x inference speedup; success continues to scale with self-exploration experience; learned skills transfer zero-shot, and clear robotic "Aha Moments" emerge. These results show that closed-loop harness self-evolution opens a scaling path for reliable physical intelligence.
- Abstract（参考訳）: エンボディードエージェントは、エンドツーエンドのポリシーモデルによって残されたギャップを埋めるために、ますます使われています。
既存のハーネスは、ロールアウト中に一定のスキルを身につけ、エピソードが完了した後にのみ反映される。
物理的相互作用は、今日の大規模なエージェントモデルを超える頻度で急速に変化するロボット環境状態を追跡する決定を必要とするため、そのようなポストホック反射は実行を制御できない。
コードベースのランタイム評論家とリカバリスキルをオンラインで進化させ、基本方針を凍結させつつ、クローズドループの具体的ハーネスであるZettaを紹介します。
Zettaは3つの時間スケール分離ループを通じて、アクション周波数ガバナンス、ロールアウトレベルの批判-回復提案、バリデーション-ゲートスキル更新を提供する。
異種実行リソースからエージェントロジックを分離するロールアウトインフラストラクチャであるZ-Infraとともに、ZetaはLIBERO-ProとRoboCasaの現在のロールアウト予算の下で、90.8%と93.6%に達し、11.1倍の推論スピードアップを達成した。
これらの結果は、クローズドループハーネスの自己進化が、信頼性のある物理的知能のスケーリングパスを開くことを示している。
関連論文リスト
- Act More, Decide Less: Skill-Guided Adaptive Action Chunking for Long-Horizon LLM Agents [50.85250898062218]
大規模言語モデル(LLM)エージェントは、通常、ReActスタイルのプロトコルに従う。
自然な方法は、エージェントが可変長のアクションチャンクを出力することです。
しかし、こうした政策を標準的な強化学習で素直に訓練することは失敗する。
論文 参考訳（メタデータ） (2026-09-02T03:17:11Z) - Revisiting Open-Loop Execution in Robotics: Toward Reactive, Higher-Performing Policies [21.50347781480984]
アクションチャンキングは、ロボット操作のための模倣学習の最近の進歩の鍵となった。
長いオープンループプレフィックスを実行すると、反応性が低下し、エラーを修正するポリシーの能力が制限される。
我々は、長いオープンループの実行は、主に「非マルコフ的な実演」を模倣する短文ポリシーに役立つと論じている。
論文 参考訳（メタデータ） (2026-08-16T21:49:07Z) - EvoHIL: Self-Evolving Reward and Flow-Matched Policy Optimization for Robust Human-in-the-Loop Reinforcement Learning [14.891400906901433]
EvoHILは、報酬モデル、アクションジェネレータ、ヴィジュアルドメインを、段階的なヒューマン・イン・ザ・ループ学習プロセスに適合させる統一されたフレームワークである。
タスクの成功、人間確認ラベルとの合意、動作のスムーズさ、ループ中の人間と模倣のベースラインに対する完了時間を改善する。
論文 参考訳（メタデータ） (2026-08-04T16:12:05Z) - Playful Agentic Robot Learning [108.08954330298549]
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。
論文 参考訳（メタデータ） (2026-06-17T17:55:23Z) - 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) - Continual Harness: Online Adaptation for Self-Improving Foundation Agents [21.599574507129365]
連続ハーネス(Continuous Harness)は、エンボディエージェントのためのリセットのない自己改善ハーネスである。
Pokemon Redでは、トレーニングイテレーション間の環境をリセットすることなく、ゲーム内でのマイルストーンを達成している。
論文 参考訳（メタデータ） (2026-05-11T05:21:33Z) - Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。
AHEは3つの一致した可観測性柱を通じて課題に対処する。
10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。
SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
論文 参考訳（メタデータ） (2026-04-28T16:55:02Z) - RoboStream: Weaving Spatio-Temporal Reasoning with Memory in Vision-Language Models for Robotics [25.944338247511215]
VLMベースのプランナーは、各ステップを観察とアクションのマッピングとして扱い、各決定点ごとに生のピクセルからシーンの幾何学を推論する。
SStream-Temporal Fusion Tokens (TF-Tokens) を提案する。
この設計により、プランナーは因果連鎖を追跡でき、追加の訓練や微調整をすることなく、隠蔽下でオブジェクトの永続性を維持することができる。
論文 参考訳（メタデータ） (2026-03-13T12:34:26Z) - On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death Spiral [59.14787085809595]
この障害を引き起こす中核的なメカニズムとしてLazy Likelihood Displacement(LLD)を同定する。
LDDは早期に出現し、自己強化性LDDデススパイラル(LDD Death Spiral)を引き起こす。
本稿では,GRPO のための軽量な確率保存正則化 LLDS を提案する。
論文 参考訳（メタデータ） (2025-12-03T19:41:15Z) - RaC: Robot Learning for Long-Horizon Tasks by Scaling Recovery and Correction [23.89121398540929]
本稿では,擬似学習事前学習後のループ内ロールアウトトレーニングの新たな段階であるRaCを紹介する。
RaCでは、リカバリと修正行動を示す人間の介入軌道に関するロボットポリシーを微調整する。
我々は、RaCが10$times$少ないデータ収集時間とサンプルを使用して、従来の最先端技術よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-09-09T17:41:29Z) - Actor-Critic for Continuous Action Chunks: A Reinforcement Learning Framework for Long-Horizon Robotic Manipulation with Sparse Reward [85.84943447589511]
本稿では,高次元連続行動系列を生成するための新しいRLフレームワークであるAC3(Actor-Critic for Continuous Chunks)を紹介する。
この学習プロセスを安定させ、データ効率を高めるため、AC3はアクターと批評家の両方に目標安定化機構を組み込む。
論文 参考訳（メタデータ） (2025-08-15T01:27:15Z)
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。