論文の概要: A Schema Bounded Language Model for Refining Robot Policies Without Destabilizing Local Learning

• arxiv url: http://arxiv.org/abs/2609.05133v1
• Date: Fri, 04 Sep 2026 13:35:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.05593
• Title: A Schema Bounded Language Model for Refining Robot Policies Without Destabilizing Local Learning
• Title（参考訳）: 局所学習を不安定にすることなくロボットポリシーを精算するためのスキーマ境界言語モデル
• Abstract要約: 3つのロボットはモーションダイナミクスを共有するが、異なるLLMバックエンドを使用する。 各ロボットは、大言語モデル(LLM)ポリシーエージェント、アッパー信頼境界(UCB)バンディット、ダブルディープQネットワーク(Double DQN)コントローラを独立に結合する。 ロボットは、ポリシー、結果、学習フィードバックを含む共有ラウンドサマリを通じて、クロスLLM通信を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses navigation by composite heterogeneous robots in a decentralized system when policy reasoning and local control operate at different update levels. In a NetLogo--Python implementation, three robots share motion dynamics but use different LLM backends. Each robot independently combines a large language model (LLM) policy agent, an Upper Confidence Bound (UCB) bandit, and a Double Deep Q-Network (Double DQN) controller; no central LLM generates team actions. LLM inference is confined to round-level policy generation and refinement rather than tick-level action selection. The robots perform cross-LLM communication through a shared round summary containing policies, outcomes, and learning feedback. UCB performs refinement-mode selection, and the policy-conditioned Double DQN performs tick-level action selection from navigation variables, active policy parameters, and the LLM action prior. Each of the four configurations was evaluated over 30 rounds. In the fixed simulation, the complete configuration reached the goal in all 90 correlated robot--round records and achieved the lowest median completion time (42 ticks) and P90 (73.2 ticks); its median was 25.0--39.1\% lower than those of the other configurations. These observations provide descriptive, configuration-level evidence from the evaluated configurations.
• Abstract（参考訳）: 本稿では、ポリシー推論とローカル制御が異なる更新レベルで動作している場合、分散システムにおける複合異種ロボットによるナビゲーションに対処する。 NetLogo-Python実装では、3つのロボットがモーションダイナミクスを共有するが、異なるLLMバックエンドを使用する。 各ロボットは、大言語モデル(LLM)ポリシーエージェント、アッパー信頼境界(UCB)バンディット、ダブルディープQネットワーク(Double DQN)コントローラを独立して結合する。 LLM推論は、チェックレベルアクション選択よりもラウンドレベルポリシーの生成と改善に限られる。 ロボットは、ポリシー、結果、学習フィードバックを含む共有ラウンドサマリを通じて、クロスLLM通信を行う。 UCBはリファインメントモード選択を行い、ポリシー条件付きDouble DQNはナビゲーション変数、アクティブポリシーパラメータ、LCM前のアクション選択を行う。 4つの構成はそれぞれ30ラウンドで評価された。 固定されたシミュレーションでは、完全な構成は90の相関したロボットラウンド記録のすべてで目標に達し、最も低い中央値の完了時間(42コマ)とP90(73.2コマ)を達成し、その中央値が他の構成よりも25.0-39.1\%低かった。 これらの観察は、評価された構成から記述的で構成レベルの証拠を提供する。

関連論文リスト

• LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
  大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。 我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-26T12:13:05Z)
• GuideMe: Multi-Domain Task Guidance and Intervention in Streaming Video [54.048366682378706]
  クローズドループ対話型タスクガイダンスのためのMLLMのトレーニングと評価を支援する,ストリーミングビデオのための最初のマルチドメインベンチマークである GuideMe を構築した。 223.7時間にわたる2,458本のビデオ(料理、オブジェクト操作、日常生活指導、フィットネスなど)と、次のステップの指示、完了フィードバック、エラー検出、修正ガイダンスを含む47,775本の対話サンプルで構成されている。
  論文  参考訳（メタデータ） (2026-07-03T06:00:04Z)
• ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents [61.184954205350984]
  ClawArena-Teamは、41のマルチターン、マルチモーダル、マルチエージェントシナリオのベンチマークである。 全体的なスコア -- Subagent-Management Score (SMS) -- は、タスクの正しさを最小限のプライマリとモダリティのルーティング因子によって乗算する。
  論文  参考訳（メタデータ） (2026-06-30T06:06:08Z)
• Sequential Planning via Anchored Robotic Keypoints [3.176338968032152]
  トレーニング不要なニューロシンボリック操作システムであるSPARK(Anchored Robotic Keypoints, SPARK)について述べる。 単一のGeminiコールは、構成可能なキネマティックプリミティブの型付き振舞いツリー(BT)としてプランを構成する。 2つ目のGeminiコールでは、オブジェクトごとに3つの代替テキストプロンプトが提案され、SAM3がそれぞれを評価します。 代替のプロンプトは、空間スイートに+27.7、オブジェクトスイートに+10.0、全体のリカバリループに+5.0を加算する。
  論文  参考訳（メタデータ） (2026-06-29T17:48:01Z)
• TAM: Torque Adaptation Module for Robust Motion Transfer in Manipulation [32.68351241308298]
  接触に富んだダイナミックな操作では、小さな動きのずれでさえ参照動作の追跡に失敗することがある。 本稿では,学習モジュールであるTorque Adaptation Module (TAM)を紹介した。
  論文  参考訳（メタデータ） (2026-06-04T14:31:54Z)
• Workspace Optimization: How to Train Your Agent [49.579258311548635]
  我々はエージェントのEmphworkspaceであり、それが読み取り、書き込み、テストする構造化された外部基質であると主張している。 本稿では,重み空間トレーニングの構造を反映して,作業空間を進化させる原理的手法を提案する。 ARC-AGI-3のマルチエージェントハーネスであるDreamTeamのアイデアをインスタンス化する。
  論文  参考訳（メタデータ） (2026-05-10T16:52:10Z)
• LLM-Foraging: Large Language Models for Decentralized Swarm Robot Foraging [13.56144018976383]
  LLM-Foragingは、CPFAステートマシンを大規模言語モデル(LLM)で拡張する分散Swarmコントローラである。 各ロボットは独自のLLMクライアントを実行し、ローカルで観測可能な状態のみを使用してクエリし、既存のCPFAモーションとセンシングスタックは選択したアクションを実行する。 ガゼボのLLM-Foraging in Gazebo with TurtleBot3 Robots across 36 configurations of team size of 4 to 10 robots, arena sizes to 6 x6 to 10 x10meter, and three resource distributions。
  論文  参考訳（メタデータ） (2026-05-02T14:21:26Z)
• 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)
• Instruct2Act: From Human Instruction to Actions Sequencing and Execution via Robot Action Network for Robotic Manipulation [14.833622989644352]
  我々は、自然言語コマンドを信頼性の高い操作に変換する軽量で完全なオンデバイスパイプラインを開発した。 Instruct2Actは91.5%のサブアクション予測精度を達成し、フットプリントは小さい。 その結果, DATRNに基づく軌道生成と視覚誘導グラウンド化と相まって, 決定論的, リアルタイムな操作を行うための実践的な経路が得られた。
  論文  参考訳（メタデータ） (2026-02-10T16:25:39Z)
• RCR-Router: Efficient Role-Aware Context Routing for Multi-Agent LLM Systems with Structured Memory [57.449129198822476]
  RCRは、マルチエージェント大言語モデル(LLM)システムのためのロールアウェアコンテキストルーティングフレームワークである。 役割とタスクステージに基づいて、各エージェントに対して意味的に関連するメモリサブセットを動的に選択する。 軽量スコアリングポリシは、メモリ選択をガイドし、エージェント出力を共有メモリストアに統合する。
  論文  参考訳（メタデータ） (2025-08-06T21:59:34Z)
• Robot Fleet Learning via Policy Merging [58.5086287737653]
  我々はFLEET-MERGEを提案し、艦隊設定における政策を効率的にマージする。 本稿では,FLEET-MERGEがメタワールド環境における50のタスクで訓練されたポリシーの行動を統合することを示す。 合成・接触に富んだロボット操作タスクにおけるフリートポリシー学習のための新しいロボットツール用ベンチマークであるFLEET-TOOLSを導入する。
  論文  参考訳（メタデータ） (2023-10-02T17:23:51Z)

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。