論文の概要: What Stops Recursive Self-Improvement in Robotics? Lessons from 123 Rounds of Agentic Skill Discovery
- arxiv url: http://arxiv.org/abs/2609.31760v1
- Date: Wed, 23 Sep 2026 13:28:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 13:04:44.472532
- Title: What Stops Recursive Self-Improvement in Robotics? Lessons from 123 Rounds of Agentic Skill Discovery
- Title（参考訳）: ロボットにおける再帰的な自己改善はなぜ止まるのか? エージェントスキル発見123ラウンドから学んだこと
- Abstract要約: ロボットが失敗し、どの能力が欠落しているかを判断するエージェントシステムを構築しました。
家庭用操作タスクで123回の改善ラウンドで実施しました。
良いニュースは、エージェントが自分で能力を発見することができることだ。
悪いニュースは、改善が足りなかったことだ。
- 参考スコア（独自算出の注目度）: 3.298519306406288
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Can a robot improve itself the way coding agents now improve software? We built an agentic system to find out. It watches a robot fail, works out which capability is missing, writes new skills or finds and installs external models, tests every change in simulation, and repeats, with no human writing robot code. We ran it for 123 improvement rounds on household manipulation tasks. This report describes what we learned. The good news is that the agent can discover capabilities on its own: noticing that its targets were out of view, it asked for an active-viewing model, debugged it, and deployed a working search skill. The bad news is that its improvements did not add up. Changes kept passing their tests, yet the target task, putting condiments on the top shelf of a fridge, never succeeded. We found that the agent was rarely the bottleneck. Three things around it were. First, chained perception modules do not understand relations. Segmenters such as SAM 3 find shelves but not "the top shelf", so the agent filled the gap with ever more geometric rules that never converged, when what it needed was a different kind of model. Second, skill chains lock learning onto the first step. Long tasks mostly fail early, so evidence and fixes pile up there, and later skills are rarely reached, tested, or improved. Third, what the agent learns is decided by the harness. The agent optimized exactly what the evaluator measured, including where it was wrong, and weak tests and misleading memory turned activity into a standstill. We distill these lessons into concrete recommendations for building robot systems that improve themselves, each paired with an experiment that could prove it wrong.
- Abstract（参考訳）: ロボットは、プログラミングエージェントがソフトウェアを改善する方法を改善することができるのか?
私たちは発見するためにエージェントシステムを構築した。
ロボットが失敗し、どの能力が欠けているかを調べ、新しいスキルを書いて、外部モデルを見つけ、インストールし、シミュレーションのすべての変更をテストし、繰り返す。
家庭用操作タスクで123回の改善ラウンドで実施しました。
本報告では、我々が学んだことを述べる。
ターゲットが見えないことに気付き、アクティブなビューイングモデルを求め、デバッグし、動作する検索スキルをデプロイした。
悪いニュースは、改善が足りなかったことだ。
変更はテストに合格し続けたが、目標のタスクは、冷蔵庫の上の棚に調味料を置き、決して成功しなかった。
エージェントがボトルネックになることはめったにない。
周囲には3つのものがあった。
まず、連鎖認識加群は関係を理解できない。
SAM 3のようなセグメンテーターは棚を見つけるが「トップ・シェルフ」ではないので、エージェントは別の種類のモデルが必要であったとき、決して収束しないような幾何学的な規則でギャップを埋めた。
第二に、スキルチェーンは最初のステップで学習をロックします。
長いタスクはたいてい早期に失敗するため、エビデンスと修正が積み重なり、その後のスキルが到達、テスト、改善されることはめったにない。
第三に、エージェントが学んだことはハーネスによって決定される。
エージェントは測定対象を正確に最適化し、どこが間違っているのかを判断した。
私たちはこれらの教訓を、自分自身を改善するロボットシステムを構築するための具体的なレコメンデーションに注ぎ込み、それぞれが間違ったことを証明できる実験を組み合わせました。
関連論文リスト
- TimeEvo: Failure-Driven Self-Evolution of a Time Series Agent [58.343983191487276]
時系列エージェントは、外部ツールを呼び出すことで分析的な質問に答える。
Human-Agent Tool Misalignment: 21のエキスパートキュレートされたツールのライブラリは、いくつかのタスクを支援し、他の人を傷つけます。
TimeEvoは、エージェントの診断された障害を能力ギャップに集約し、それぞれの測定を計画し、ペアの入場ゲートを通してのみ候補ライブラリを許可する。
論文 参考訳（メタデータ） (2026-09-23T03:08:12Z) - Locating Hidden Failures Makes Long-Horizon Agents More Reliable [43.9204372121053]
ソフトウェア工学、コンピュータ・ユース、科学にまたがるエージェント・トラジェクトリを2518ドルで研究している。
6967ドルのミスを78ドルの失敗タイプに分類します。
ロングホライゾンエージェントは、通過する結果に向かう途中で本当の害を与えることができる。
論文 参考訳（メタデータ） (2026-09-15T23:40:42Z) - Teach and Grow: An Agent-Centered Architecture for General Robot Learning [20.811152351871257]
Teach-and-Grow Learning (TGL)は、汎用ロボット学習のためのエージェント中心アーキテクチャである。
マルチモーダルエージェントは、いくつかの成功したデモを再利用可能なスキルブロック(意味のあるサブゴールのためのクローズドループ動作)に変換する。
新しいタスクは、タスク固有のポリシーの再トレーニングなしで取得される。
論文 参考訳（メタデータ） (2026-08-17T23:45:21Z) - Robot Self-Improvement via Human-Video Dynamics Models [52.14862052988773]
人間のビデオは、ロボットのエンボディメント間で伝達されるエンボディメントに依存しない動作、ダイナミクス、および値表現を学ぶのに利用できることを示す。
DGAC(Dynamics-Guided Action Correction)は,これらの適応モデルを用いて故障状態の修復を行うトレーニングフリーアプローチである。
以上の結果から,人間の先行とロボットの失敗が組み合わさって,スケーラブルな自律的政策改善を可能にすることが示唆された。
論文 参考訳（メタデータ） (2026-06-19T13:17:27Z) - 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) - SIA: Self Improving AI with Harness & Weight Updates [0.0]
人間はAIの構築と改善のボトルネックです。
言語モデルエージェントがハーネスとタスク固有のエージェントの重みを更新する自己改善ループであるSIAを提案する。
論文 参考訳（メタデータ） (2026-05-26T16:55:46Z) - Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。
モデル、足場、ベンチマークにまたがる3次元解析を行う。
私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
論文 参考訳（メタデータ） (2025-10-13T22:22:28Z) - Where LLM Agents Fail and How They can Learn From Failures [62.196870049524364]
大規模言語モデル(LLM)エージェントは、複雑なマルチステップタスクの解決において有望であることを示す。
単一ルート原因エラーがその後の決定を通じて伝播する、障害のカスケードに対する脆弱性を増幅する。
現在のシステムは、モジュール的で体系的な方法でエージェントエラーを包括的に理解できるフレームワークを欠いている。
AgentErrorTaxonomyは、メモリ、リフレクション、計画、アクション、システムレベルの操作にまたがる障害モードのモジュール分類である。
論文 参考訳（メタデータ） (2025-09-29T18:20:27Z) - HOMIE: Humanoid Loco-Manipulation with Isomorphic Exoskeleton Cockpit [52.12750762494588]
本稿では,半自律遠隔操作システムHOMIEを紹介する。
ペダルにマッピングされた身体制御のための強化学習ポリシー、腕制御のための異形外骨格アーム、手操作のためのモーションセンシンググローブを組み合わせている。
このシステムは完全なオープンソースであり、デモとコードはhttps://homietele.org/.com/で見ることができる。
論文 参考訳（メタデータ） (2025-02-18T16:33:38Z) - Never-Ending Behavior-Cloning Agent for Robotic Manipulation [38.756955029068294]
NBAgentは言語条件のNever-ending Behavior-cloning Agentである。
新しい3Dシーンセマンティクスとロボット操作スキルの観察知識を、スキル共有とスキル固有属性から学習する。
論文 参考訳（メタデータ） (2024-03-01T07:51:29Z)
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。