論文の概要: Explore, Execute, Evolve: A Skill Acquisition and Reuse Loop for Embodied Agents

• arxiv url: http://arxiv.org/abs/2609.37810v1
• Date: Tue, 29 Sep 2026 15:25:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.683139
• Title: Explore, Execute, Evolve: A Skill Acquisition and Reuse Loop for Embodied Agents
• Title（参考訳）: 身体的エージェントのためのスキル獲得と再利用のループ
• Abstract要約: 汎用マルチモーダルエージェントは、物理的世界をゼロから推論し、探索することで、高い実行コストを発生させる。 我々は,Explore, Execute, Evolveループを通じて,スキル獲得と再利用を結合するフレームワークであるRoboSkillを紹介した。 LIBERO-10では、RoboSkillは初回成功率を12.5-25.0ポイント改善し、平均実行時間を4エージェントで7.6-72.4%削減した。
• 参考スコア（独自算出の注目度）: 73.9430604100137
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language-action and world-action models have demonstrated impressive capabilities in robotics, yet generalization to unseen tasks remains challenging. More recently, general-purpose multimodal agents have shown great potential for zero-shot robotic task solving. However, they often incur high execution costs by reasoning and exploring the physical world from scratch. To reduce these costs, we introduce RoboSkill, a framework that connects skill acquisition and reuse through an Explore, Execute, Evolve loop. Within this loop, the agent explores to gather task-relevant information, executes tasks while adapting to feedback, and evolves its skill library based on execution records. It then reuses these skills to guide exploration and execution in the next cycle, closing the loop. To improve loop efficiency, we complement vision with tactile feedback to reduce uncertainty during physical interaction. We further augment textual guidance with reusable code to reduce reasoning overhead during skill reuse. On LIBERO-10, RoboSkill improves first-episode success rates by 12.5--25.0 percentage points and reduces average runtime by 7.6--72.4% across four agents. On real robots, it improves success rates by 8.3 percentage points and reduces average runtime for successful trials by at least 14.4%.
• Abstract（参考訳）: 視覚-言語-アクションと世界-アクションモデルは、ロボット工学において印象的な能力を示してきたが、目に見えないタスクへの一般化は依然として難しい。 最近では、汎用マルチモーダルエージェントは、ゼロショットロボットタスクの解決に大きな可能性を示している。 しかし、それらはしばしば、物理的世界をスクラッチから推論し、探索することで、高い実行コストを発生させる。 これらのコストを削減するために,私たちは,Explore, Execute, Evolveループを通じて,スキル獲得と再利用を接続するフレームワークであるRoboSkillを紹介した。 このループ内で、エージェントはタスク関連情報を収集し、フィードバックに適応しながらタスクを実行し、実行レコードに基づいてスキルライブラリを進化させる。 次に、これらのスキルを再利用して、次のサイクルで探索と実行をガイドし、ループを閉じます。 ループ効率を向上させるため,触覚フィードバックで視覚を補完し,身体的相互作用における不確実性を低減する。 スキル再利用時の推論オーバーヘッドを軽減するため、再利用可能なコードによるテキストガイダンスをさらに強化する。 LIBERO-10では、RoboSkillは初回成功率を12.5-25.0ポイント改善し、平均実行時間を4エージェントで7.6-72.4%削減した。 実際のロボットでは、成功率を8.3ポイント改善し、成功試験の平均ランタイムを少なくとも14.4%削減する。

関連論文リスト

• LexiconVLA: Learning Reusable Atomic Action Codebooks for Unseen Tasks [52.045695649147966]
  クロスタスク再利用のための検索可能な原子-作用レキシコンを提案する。 グローバルかつ詳細なコードブックは、共有インタラクション構造ときめ細かい実行のバリエーションをキャプチャする。 視覚-原子的行動アライメントは、視覚状態変化からの軌道再構成と、行動コードからの視覚的結果予測を結合する。
  論文  参考訳（メタデータ） (2026-09-29T05:45:52Z)
• SkillDRE: Dual-Stage Red-Team Evolution of Agent Skills via Pre-Execution and Runtime Feedback [13.560003782549998]
  SkillDREは、デュアルステージフィードバックループを通じて、完全な悪意のあるスキルパッケージを進化させるための、完全に自動化されたフレームワークである。 SkillDREの平均攻撃成功率は45.28%で、最強のベースラインを40.3%上回っている。 これらの結果から,2段階の防御フィードバックは,適応的なレッドチーム編成に有用な学習信号となることが示唆された。
  論文  参考訳（メタデータ） (2026-09-26T09:24:09Z)
• Write, Execute, Refine: From Skill Followers to Skill Optimizers via Reinforcement Learning from Execution Feedback [52.78692582507693]
  専門家による自然言語スキルは、ツール使用エージェントを改善することができるが、エージェントによるスキルは、スキルを使用しないよりも8-11ポイント悪い。 本研究では,中間的スキルから実行経験を訓練状態に整理する方法について検討する。
  論文  参考訳（メタデータ） (2026-08-18T09:52:48Z)
• ASPIRE: Agentic /Skills Discovery for Robotics [46.66569877875144]
  ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) は、ロボット制御プログラムをコード・アズ・ポリティクスのパラダイムで書き、洗練する。 1)細粒度のマルチモーダルトレースを露呈し,自律的な故障診断,修復,合成,検証を可能にするクローズドループロボット実行エンジン,(2)検証済みの修正を再利用可能な,伝達可能な知識に蒸留する継続的な拡張スキルライブラリ,(3)多様なタスクシーケンスを生成する進化的検索と,単一軌道の洗練を超えて探索する制御プログラムである。
  論文  参考訳（メタデータ） (2026-06-30T23:38:46Z)
• 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)
• RoboReward: General-Purpose Vision-Language Reward Models for Robotics [124.34685604054312]
  視覚言語モデル(VLM)は、自動報酬モデルとして期待されているが、実際のロボットタスクにおけるそれらの効果は理解されていない。 大規模な実ロボットコーパス上に構築されたロボティクス報酬データセットとベンチマークであるRoboRewardを導入することで、このギャップを埋めることを目指している。
  論文  参考訳（メタデータ） (2026-01-02T12:47:34Z)
• Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
  多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。 本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。 我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
  論文  参考訳（メタデータ） (2021-09-19T18:00:51Z)
• Reinforcement Learning Experiments and Benchmark for Solving Robotic Reaching Tasks [0.0]
  強化学習はロボットアームによる到達タスクの解決に成功している。 ハイドサイト体験再生探索技術により報奨信号の増大が, オフ・ポリティクス・エージェントの平均リターンを増加させることが示されている。
  論文  参考訳（メタデータ） (2020-11-11T14:00:49Z)

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。