論文の概要: RoboFoundry: System-as-Policy Evolution for Self-Learning Embodied Agents

• arxiv url: http://arxiv.org/abs/2609.32862v1
• Date: Sat, 26 Sep 2026 18:41:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 19:31:00.228516
• Title: RoboFoundry: System-as-Policy Evolution for Self-Learning Embodied Agents
• Title（参考訳）: RoboFoundry: 自己学習型人工呼吸器のシステム・アズ・ポリシック進化
• Abstract要約: RoboFoundryは、このプロセスを自己進化型システム・アズ・ポリシーとして定式化する、最初の実施型エージェントフレームワークである。 EmbodiedBenchでは、RoboFoundryは最先端のパフォーマンスを実現し、特にGPT-5.5を27.8%改善した。 長期記憶では、RoboFoundryはRoboMemArenaのすべてのベースラインを少なくとも39.0%上回っている。
• 参考スコア（独自算出の注目度）: 42.59695526041982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A foundation model should not act in isolation as an embodied agent. Yet, existing methods often optimize individual components of the agent stack, such as memory, context, skills, or action interfaces, rather than treating the supporting system itself as a unified policy. Moreover, interaction alone does not yield self-improvement unless execution experience is converted into persistent, validated system changes. We therefore propose RoboFoundry, the first embodied agentic framework that formulates this process as Self-Evolving System-as-Policy. RoboFoundry diagnoses capability gaps in decision-making and memory management, converts execution traces into validated task-specific system updates, and promotes recurring improvements to the general system. Evolution operates over two complementary surfaces: a context system that manages active internal context and persistent file-system memory, and a hierarchical skill system that organizes atomic skills, reusable compositions, and failure-conditioned recovery. A shared semantic interface separates embodiment-invariant decisions from embodiment-specific execution, allowing evolved system capabilities to transfer across heterogeneous robots. On EmbodiedBench, RoboFoundry achieves state-of-the-art performance, notably improving GPT-5.5 by 27.8%. It also brings Qwen3.7-Plus to near parity with GPT-5.5 (70.3% vs. 72.7%), showing consistent gains from system-as-policy evolution across foundation models. For long-horizon memory, RoboFoundry outperforms all baselines on RoboMemArena by at least 39.0%, even against methods assisted by external foundation models. On LIBERO-PRO, it further outperforms Cap-Agent0 by 243.8%-679.7% across all perturbation types. In real-world deployments, RoboFoundry demonstrates zero-shot transfer and online evolution across robots and tasks, highlighting its potential for fully autonomous embodied agents.
• Abstract（参考訳）: 基礎モデルは、分離されたエージェントとして振る舞うべきではない。 しかし、既存のメソッドは、サポートシステム自体を統一されたポリシーとして扱うのではなく、メモリ、コンテキスト、スキル、アクションインターフェースといったエージェントスタックの個々のコンポーネントを最適化することが多い。 さらに、インタラクションだけでは、実行エクスペリエンスが永続的で検証されたシステム変更に変換されない限り、自己改善は得られない。 そこで我々は,このプロセスを自己進化型システム・アズ・ポリティクスとして定式化する,最初の実施型エージェントフレームワークであるRoboFoundryを提案する。 RoboFoundryは意思決定とメモリ管理の能力ギャップを診断し、実行トレースを検証されたタスク固有のシステム更新に変換し、一般的なシステムに繰り返し改善を促進する。 進化は、アクティブな内部コンテキストと永続的なファイルシステムメモリを管理するコンテキストシステムと、アトミックスキルを組織する階層的スキルシステム、再利用可能な構成、障害条件付きリカバリの2つの相補的な表面で動作する。 共有セマンティックインターフェースは、エンボディメントの不変な決定とエンボディメント固有の実行を分離し、進化したシステム機能を異種ロボット間で転送することを可能にする。 EmbodiedBenchでは、RoboFoundryは最先端のパフォーマンスを実現し、特にGPT-5.5を27.8%改善した。 また、Qwen3.7-PlusはGPT-5.5(70.3%対72.7%)とほぼ同値となり、基礎モデル全体でのシステム・アズ・ポリティクスの進化から一貫した利益を得ている。 長期記憶では、RoboFoundryはRoboMemArenaのすべてのベースラインを少なくとも39.0%上回っている。 LIBERO-PROでは、全ての摂動型でCap-Agent0を243.8%-679.7%上回っている。 実世界の展開において、RoboFoundryはゼロショット転送とロボットやタスク間のオンライン進化を示し、完全に自律的なエンボディエージェントの可能性を強調している。

関連論文リスト

• EMERGE-Policy: A Robot Mind Emerges Beyond a Single Policy [48.898967774856466]
  EMERGE-Policyは機能呼び出しと情報交換の両方をコーディネートする。 Main Agentはアクティブなコンテキストウィンドウ内でタスクレベルの状態を保持する。 ロール固有のサブエージェント プロセスの認識、実行監視、検証、メモリ統合。
  論文  参考訳（メタデータ） (2026-08-30T16:46:06Z)
• EvolveMem:Self-Evolving Memory Architecture via AutoResearch for LLM Agents [80.59925936278162]
  本稿では,自己進化型メモリアーキテクチャであるEvolveMemについて述べる。 このクローズループの自己進化はAutoResearchプロセスを実現している。システムは自力で独自のアーキテクチャ上で反復的な研究サイクルを実行し、手動構成のチューニングを置き換える。
  論文  参考訳（メタデータ） (2026-05-13T17:12:44Z)
• EvoAgent: An Evolvable Agent Framework with Skill Learning and Multi-Agent Delegation [37.26213009494508]
  EvoAgentは進化可能な大規模言語モデル(LLM)のエージェントフレームワークである。 構造化されたスキル学習と階層的なサブエージェントデリゲート機構を統合する。
  論文  参考訳（メタデータ） (2026-04-22T03:00:28Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• MemEvolve: Meta-Evolution of Agent Memory Systems [66.09735157017558]
  自己進化型メモリシステムは、大型言語モデル(LLM)ベースのエージェントの進化パラダイムを前例のない形で再構築している。 MemeEvolveは、エージェントの経験的知識とメモリアーキテクチャを共同で進化させるメタ進化フレームワークである。 EvolveLabは、12の代表的なメモリシステムをモジュール設計空間に蒸留する、統一された自己進化型メモリである。
  論文  参考訳（メタデータ） (2025-12-21T14:26:14Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Agent Q: Advanced Reasoning and Learning for Autonomous AI Agents [44.34340798542]
  大きな言語モデル(LLM)は、複雑な推論を必要とする自然言語タスクにおいて顕著な能力を示している。 静的データセットに対する従来の教師付き事前トレーニングは、自律的なエージェント機能を実現するには不十分である。 本稿では,モンテカルロ木探索(MCTS)を自己批判機構と組み合わせ,エージェント間相互作用を反復的に微調整するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-13T20:52:13Z)

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。