論文の概要: An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond

• arxiv url: http://arxiv.org/abs/2609.24170v1
• Date: Mon, 21 Sep 2026 06:39:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.108254
• Title: An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond
• Title（参考訳）: 予期せぬロボット政策:ロボ道場におけるGPT-6アストラの早期評価
• Abstract要約: 本研究では,大規模言語モデル(LLM)がタスク固有の微調整を伴わずにロボット操作のポリシーとして機能するかどうかを問う。 42のRoboDojoタスクで3つのLLMを評価し、そのスコアと40の公開ポリシーを比較した。
• 参考スコア（独自算出の注目度）: 30.63361320122993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embodied AI systems are often organized into System 1 and System 2. System 1 is typically a pretrained policy that generates actions at high frequency, whereas System 2 is often instantiated as a vision-enabled language model for high-level planning. We ask whether a large language model (LLM) can act as the policy for robot manipulation without task-specific finetuning. We call this setting LLM as policy. We evaluate three LLMs on all 42 RoboDojo tasks and compare their scores with 40 public policies. Astra and GPT-5.5 use the official 50-episode-per-task protocol; DeepSeek-Flash uses 10 episodes per task. GPT-6 Astra achieves 22.48% average success rate and 28.97 Score over 2,100 trials, ranking above every public entry. Yet GPT-5.5 and DeepSeek-Flash reach only 0.88% and 1.92% average success rate with the same post-processing. We find that Astra exhibits a sharply polarized capability profile. It generalizes well to tasks that require semantic understanding but not high-precision control. In contrast, it performs poorly on tasks that require precision, dynamic control, or complex bimanual coordination. In-context experiments show no aggregate benefit from one-shot demonstrations, while selected interaction traces show within-episode corrections under perturbations. Overall, the evaluated LLMs vary substantially in manipulation performance. Astra stands out and provides initial evidence for the potential of a general-purpose manipulation model, although reliable precision and dynamic control remain limitations in the evaluated setting.
• Abstract（参考訳）: 身体化されたAIシステムは、しばしばSystem 1とSystem 2に編成される。 システム1は一般的に、高頻度でアクションを生成する事前訓練されたポリシーであるが、システム2は高レベルの計画のための視覚対応言語モデルとしてインスタンス化されることが多い。 本研究では,大規模言語モデル(LLM)がタスク固有の微調整を伴わずにロボット操作のポリシーとして機能するかどうかを問う。 私たちはこの設定 LLM をポリシーとしています。 42のRoboDojoタスクで3つのLLMを評価し、そのスコアと40の公開ポリシーを比較した。 Astra と GPT-5.5 は公式の 50-episode-per-task プロトコルを使用し、DeepSeek-Flash はタスク毎に 10 エピソードを使用する。 GPT-6 アストラは平均22.48%の成功率、28.97スコアは2,100回の公試で、全ての公試の上位にランクインしている。 しかし GPT-5.5 と DeepSeek-Flash は同じ後処理で 0.88% と 1.92% にしか達していない。 私たちは、Astraが鋭く偏極された能力プロファイルを持っていることに気付きました。 意味的理解を必要とするが高精度な制御を必要としないタスクによく当てはまる。 対照的に、精度、動的制御、複雑な双方向調整を必要とするタスクでは不十分である。 インコンテキスト実験では、一発デモの集合的な利点は示さず、選択された相互作用トレースは摂動下でのエピソード内補正を示している。 全体として、評価されたLLMは操作性能がかなり異なる。 アストラは、信頼性の高い精度と動的制御は評価された設定において制限されているものの、汎用的な操作モデルの可能性の最初の証拠を指摘した。

関連論文リスト

• GE-Act 2.0: Pretraining and Scaling a World-Action Model for Robotic Manipulation [63.853929983870955]
  本稿では,ジェニー・エンスペクタ法 2.0 (GE-Act 2.0) について紹介する。 制御指向オートエンコーダ(CoAE)、ワンステップビジュアルプランナー(SVP)、逆ダイナミクスモデル(IDM)を組み合わせている。 それらのコンポーネントは、知識に整合した選択最適化(KASO)で共同で訓練され、記録された行動に適合していると判断された予測された未来のみを選択することで、ミスマッチした監視を減らす。
  論文  参考訳（メタデータ） (2026-09-04T17:16:48Z)
• LM-X: Explainable Action Modeling with Progress, Event, and Uncertainty Prediction for Generalist Robot Manipulation [28.431160101245837]
  一般視覚-言語行動(VLA)政策は、主に短期水平行動予測を通じて長期水平行動を学ぶ。 我々は,解剖学的対応を主張することなく,タスク,イベント,運動の規模にわたって予測を整理するLM-Xを紹介する。
  論文  参考訳（メタデータ） (2026-08-26T13:05:29Z)
• PerspectiveGap: A Benchmark for Multi-Agent Orchestration Prompting [6.877973774604102]
  PerspectiveGapは、マルチエージェントシステムのためのオーケストレーションプロンプトを構成するLLMの機能を評価するためのベンチマークである。 10社の27社の商用モデルによる実験では、GPT-5.5は全てのライバルより大幅に優れていた。
  論文  参考訳（メタデータ） (2026-06-07T23:26:12Z)
• HAMSTER: Hierarchical Action Models For Open-World Robot Manipulation [54.03004125910057]
  階層型視覚-言語-アクションモデルは、標準的なモノリシックVLAモデルよりも、ドメイン外のデータを利用するのに効果的であることを示す。 階層設計により、高レベルなVLMは、オフドメイン微調整データと実ロボットテストシナリオの間の重要なドメインギャップをまたいで転送可能であることを示す。
  論文  参考訳（メタデータ） (2025-02-08T07:50:22Z)
• GRAPE: Generalizing Robot Policy via Preference Alignment [58.419992317452376]
  GRAPE: 優先度アライメントによるロボット政策の一般化について述べる。 GRAPEはドメイン内および未確認操作タスクにおける成功率をそれぞれ51.79%、58.20%向上させる。 GRAPEは安全性や効率、衝突速度の37.44%、ロールアウト長さの11.15%といった様々な目標に合わせることができる。
  論文  参考訳（メタデータ） (2024-11-28T18:30:10Z)
• Towards Synergistic, Generalized, and Efficient Dual-System for Robotic Manipulation [35.4089550201086]
  RoboDualは、ジェネラリストとスペシャリストの双方の利点を補う相乗的双対システムである。 拡散変圧器をベースとした多段アクションロールアウトのためのスペシャリストが考案された。 CALVINが26.7%向上し、CALVINが12%向上した。
  論文  参考訳（メタデータ） (2024-10-10T14:57:51Z)

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。