論文の概要: Recursive Harness Distillation across Agents for Robot Manipulation
- arxiv url: http://arxiv.org/abs/2609.33378v1
- Date: Sun, 27 Sep 2026 09:01:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:36:06.146228
- Title: Recursive Harness Distillation across Agents for Robot Manipulation
- Title（参考訳）: ロボットマニピュレーションのためのエージェント間の再帰的ハーネス蒸留
- Abstract要約: エージェント間の再利用可能なガイダンスとして介入経験を蓄積する再帰的ハーネス蒸留を提案する。
強いエージェントは、その経験をライトエージェントのプレイブックに蒸留し、ライトエージェントの実行フィードバックを用いてプレイブックを精製する。
結果として得られたプレイブックは、モデルパラメータを更新することなく、エージェントが新しいタスクインスタンスに蓄積された介入知識を再利用することを可能にする。
- 参考スコア（独自算出の注目度）: 31.276475913209925
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A central goal in robotics is to enable manipulation across changing tasks and environments. Vision-language-action (VLA) models provide broad manipulation capabilities but can struggle when execution requires diagnosing failures and adapting behavior. Strong agents can discover effective interventions through interaction with these policies. We propose Recursive Harness Distillation to accumulate this experience as reusable guidance across agents. A strong agent distills its experience into a playbook for a light agent, then recursively refines the playbook using the light agent's execution feedback. The resulting playbook enables agents to reuse accumulated intervention knowledge in new task instances without updating model parameters. In real-world manipulation, the harness improves success from 37.3% to 64.0%. On SimplerEnv Bridge, the light agent with the playbook achieves 66.7% success, compared with 41.7% for the GR00T-only baseline, and outperforms the strong agent without a playbook. The same playbook also benefits the strong agent, which reaches 79.2% success. These results demonstrate the feasibility of harness distillation for robotics: intervention experience can be accumulated, refined through execution, and reused across agents to improve manipulation.
- Abstract（参考訳）: ロボティクスの中心的な目標は、タスクや環境の変化に対する操作を可能にすることだ。
視覚言語アクション(VLA)モデルは、幅広い操作機能を提供するが、実行時に障害の診断と振る舞いの適応を必要とする場合、苦労する可能性がある。
強力なエージェントはこれらのポリシーとの相互作用を通じて効果的な介入を発見することができる。
本稿では,再帰的ハーネス蒸留法を提案する。
強いエージェントは、その経験を光剤のプレイブックに蒸留し、光剤の実行フィードバックを用いて再帰的にプレイブックを精製する。
結果として得られたプレイブックは、モデルパラメータを更新することなく、エージェントが新しいタスクインスタンスに蓄積された介入知識を再利用することを可能にする。
実世界の操作では、ハーネスは37.3%から64.0%に改善されている。
SimplerEnv Bridgeでは、プレイブックのライトエージェントは66.7%、GR00Tのみのベースラインでは41.7%で成功し、プレイブックなしでは強いエージェントより優れている。
同じプレイブックも強力なエージェントの恩恵を受けており、79.2%の成功を収めている。
これらの結果は, ロボット工学における使用済み蒸留システムの実現可能性を示している: 介入経験は, 実行によって蓄積し, 精製し, 操作を改善するために, エージェント間で再利用することができる。
関連論文リスト
- World Action Agent: Harnessing VLMs for Robot Manipulation via World Action Rehearsal [45.2458976067941]
汎用視覚言語モデル(VLM)は、ロボット操作に広い知識と空間推論をもたらす。
本稿では、VLMが基本ツールで操縦する多エージェントハーネスであるWorld Action Agent(WAA)を紹介する。
論文 参考訳（メタデータ） (2026-09-24T15:19:39Z) - Learning from Failure: Inference-Time Self-Improvement for Computer-Use Agents [80.03824805228719]
コンピュータ利用エージェントを開発する上での大きな課題は、大規模で高品質な軌道を収集することである。
我々は、失敗した軌道をエージェント改善に変換するデータ中心のパラダイムを提案する。
この手法をOSWorldベンチマーク上で,最先端のOpenCUA-72Bモデルを用いて検証する。
論文 参考訳（メタデータ） (2026-06-30T07:44:37Z) - ManiAgent: An Agentic Framework for General Robotic Manipulation [30.154478145473792]
汎用操作のためのエージェントアーキテクチャであるManiAgentを紹介する。
複数のエージェントは、環境認識、サブタスク分解、アクション生成を行うためのエージェント間通信を含む。
ManiAgentはSimplerEnvベンチマークで86.8%、現実世界のピック・アンド・プレイスタスクで95.8%の成功率を達成した。
論文 参考訳（メタデータ） (2025-10-13T17:34:48Z) - Proactive Agent: Shifting LLM Agents from Reactive Responses to Active Assistance [95.03771007780976]
我々は、人間の指示なしにタスクを予測および開始できるプロアクティブエージェントを開発するという課題に取り組む。
まず,実世界の人的活動を収集し,前向きなタスク予測を生成する。
これらの予測は、ヒトのアノテータによって受け入れられるか拒否されるかのどちらかとしてラベル付けされる。
ラベル付きデータは、人間の判断をシミュレートする報酬モデルをトレーニングするために使用される。
論文 参考訳（メタデータ） (2024-10-16T08:24:09Z) - Ag2Manip: Learning Novel Manipulation Skills with Agent-Agnostic Visual and Action Representations [77.31328397965653]
Ag2Manip(Agent-Agnostic representations for Manipulation)は,2つの重要なイノベーションを通じて課題を克服するフレームワークである。
人間の操作ビデオから派生した新しいエージェント非依存の視覚表現であり、その具体的特徴は一般化性を高めるために隠蔽された。
ロボットのキネマティクスを普遍的なエージェントプロキシに抽象化し、エンドエフェクタとオブジェクト間の重要な相互作用を強調するエージェント非依存のアクション表現。
論文 参考訳（メタデータ） (2024-04-26T16:40:17Z) - ReAct Meets ActRe: When Language Agents Enjoy Training Data Autonomy [47.42940885853956]
A$3$TはAutonomousを実現するフレームワークである。
法律の様式における代理人軌道の
AlfWorldでは、A$3$Tで訓練されたエージェントが1発成功率96%、100%成功率4回を達成している。
論文 参考訳（メタデータ） (2024-03-21T17:43:44Z) - RoboAgent: Generalization and Efficiency in Robot Manipulation via
Semantic Augmentations and Action Chunking [54.776890150458385]
マルチタスク操作能力を持つユニバーサルエージェントを訓練するための効率的なシステムを開発した。
私たちは、12のスキルを持つ1つのエージェントを訓練することができ、38のタスクでその一般化を実証することができます。
平均すると、RoboAgentは目に見えない状況において、従来の方法よりも40%以上性能が高い。
論文 参考訳（メタデータ） (2023-09-05T03:14:39Z)
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。