論文の概要: EmbodiedSWE: Coding Agents for Long Horizon Dexterous Robotics

• arxiv url: http://arxiv.org/abs/2609.27308v1
• Date: Wed, 23 Sep 2026 03:38:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.862467
• Title: EmbodiedSWE: Coding Agents for Long Horizon Dexterous Robotics
• Title（参考訳）: EmbodiedSWE:Long Horizon Dexterous Roboticsのためのコーディングエージェント
• Abstract要約: 本研究は, ロボット工学の長期化を図り, 汎用的なロボットポリシーを学習するための拡張性のある監視を行うことができるかどうかを問うものである。 EMBODIEDSWE-BENCHは、コンタクトリッチな操作、変形可能なオブジェクト、長距離タスクにまたがる符号化エージェントのシミュレーションベンチマークである。 符号化エージェント生成シミュレーションにのみ焦点を絞ったVLAが,実ロボットの長時間作業を完成させることを示す。
• 参考スコア（独自算出の注目度）: 41.54412649343374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study coding agents for long-horizon, dexterous robotics and ask whether their solutions can provide scalable supervision for learning general robot policies. To test this, we develop EMBODIEDSWE-BENCH, a simulation benchmark for coding agents spanning contact-rich manipulation, deformable objects, and long-horizon tasks requiring up to half an hour of continuous interaction. We find that frontier coding agents can solve complex long-horizon tasks and transfer prior solutions across both tasks and embodiments. We also design supporting tools that help agents more effectively solve these tasks. However, the resulting solutions require substantial iterative interaction and are typically specialized to individual task instances. We therefore introduce EMBODIEDSWE-GEN, which expands a single solution from coding agent into large diverse trajectories for training a VLA. VLA performance improves with more generated demonstrations, and agent-aided diversification improves generalization to held-out task variations. We also show that a VLA finetuned solely on coding-agent-generated simulation demonstrations completes a long-horizon task on real robot. Together, our framework uses coding agents to solve complex robotics tasks and turn verified solutions into scalable supervision for robot policies.
• Abstract（参考訳）: 本研究は, ロボット工学の長期化を図り, 汎用的なロボットポリシーを学習するための拡張性のある監視を行うことができるかどうかを問うものである。 これをテストするために, 接触豊富な操作, 変形可能なオブジェクト, および30時間以上の連続的な相互作用を必要とする長時間作業にまたがる符号化エージェントのシミュレーションベンチマークである EMBODIEDSWE-BENCH を開発した。 We found that Frontier coding agent can solve complex long-horizon task and transfer prior solutions across both tasks and embodiments。 エージェントがこれらのタスクをより効果的に解決する支援ツールも設計しています。 しかし、結果として得られるソリューションは、かなり反復的な相互作用を必要とし、典型的には個々のタスクインスタンスに特化している。 そこで本研究では,コーディングエージェントからVLA訓練用多種多様なトラジェクトリへの単一ソリューションの拡張を行うEMBODIEDSWE-GENについて紹介する。 VLA性能は、より生成されたデモにより向上し、エージェント支援の多様化は、タスクの持続的変動への一般化を改善する。 また、符号化エージェント生成シミュレーションにのみ焦点を絞ったVLAが、実際のロボット上での長時間の作業を完成させることを示す。 我々のフレームワークは、コーディングエージェントを使って複雑なロボットタスクを解決し、検証されたソリューションをロボットポリシーのスケーラブルな監視に変換する。

関連論文リスト

• Matryoshka Agent: Unfolding Sub-Agents for Long-Horizon Machine Learning Engineering [25.39546907874327]
  Matryoshka Agentは複雑な長距離タスクのための統合階層型エージェントフレームワークである。 高いレベルのオーケストレータは、コンパクトで長期の探査状態を維持し、戦略的な指示を発行する。 低レベルのサブエージェントは、直接的な環境相互作用を通じて具体的なソリューションを試行する。
  論文  参考訳（メタデータ） (2026-07-27T21:30:39Z)
• AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation [0.0]
  ソフトウェア開発タスクの自動化に複数のLCMエージェントを併用したPythonベースのフレームワークを提案する。 AgentMeshでは、Planner、Coder、Debugger、Reviewerといった特殊なエージェントが協力して、ハイレベルな要件を完全に実現されたコードに変換する。
  論文  参考訳（メタデータ） (2025-07-26T10:10:02Z)
• From Virtual Agents to Robot Teams: A Multi-Robot Framework Evaluation in High-Stakes Healthcare Context [2.016235597066821]
  現在のフレームワークは、エージェントを物理的に具体化されたエンティティではなく、概念的なタスク実行子として扱う。 本稿では,プロセスの透明性,前向きな障害回復,コンテキストグラウンド化を重視した3つの設計ガイドラインを提案する。 我々の研究は、よりレジリエントで堅牢なマルチエージェントロボットシステムの開発を知らせる。
  論文  参考訳（メタデータ） (2025-06-04T04:05:38Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)

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。