論文の概要: RobotUse: Allocating Computation, Context, and Decisions

• arxiv url: http://arxiv.org/abs/2610.04929v1
• Date: Sun, 04 Oct 2026 04:15:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.34248
• Title: RobotUse: Allocating Computation, Context, and Decisions
• Title（参考訳）: RobotUse: 計算,コンテキスト,決定を割り当てる
• Abstract要約: RobotUseは、物理的なアクションの特定と修正に関する決定を組織する。 エージェントはターゲットとポーズを視覚的に選択し、バックエンドはジオメトリ、モーションプランニング、コントロールを処理する。 RoboLabでは、RobotUseが45%のタスク成功を達成し、CaP-Xを6.7%上回っている。
• 参考スコア（独自算出の注目度）: 28.107344179404773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot agents must connect their intended actions to observed outcomes while retaining the context needed to revise their choices over repeated attempts. Existing interfaces often leave these choices inside predefined tools or require agents to manage detailed execution code and its growing history. We introduce RobotUse, a robot agent harness that organizes computation, context, and decisions around specifying and revising physical actions. Agents visually select targets and poses, while the backend handles geometry, motion planning, and control. Subagents retain detailed interactions within each subgoal and return the information needed for subsequent decisions. Continual harnessing lets agents learn from execution by updating a persistent playbook. On RoboLab, RobotUse achieves 45% task success, outperforming CaP-X by 6.7 percentage points while maintaining compact decision contexts and reducing reliance on predefined action abstractions. Furthermore, we show that RobotUse learns from real-world execution despite imperfect feedback and transfers what it learns to subsequent tasks. Project page is available at https://robotuse-team.github.io/.
• Abstract（参考訳）: ロボットエージェントは、意図した行動と観察結果とを結びつけると同時に、繰り返しの試みよりも選択を改訂するために必要なコンテキストを維持する必要がある。 既存のインターフェースは、事前に定義されたツールの中にこれらの選択を残したり、詳細な実行コードとその成長履歴を管理するためにエージェントを必要とすることが多い。 我々は,ロボットエージェントであるRobotUseを紹介した。ロボットエージェントは,身体行動の特定と修正に関する計算,コンテキスト,意思決定を組織する。 エージェントはターゲットとポーズを視覚的に選択し、バックエンドはジオメトリ、モーションプランニング、コントロールを処理する。 サブエージェントは各サブゴール内で詳細なインタラクションを保持し、その後の決定に必要な情報を返す。 継続的なハーネスにより、永続的なプレイブックを更新することで、エージェントは実行から学ぶことができる。 RoboLabでは、RobotUseが45%のタスク成功を達成し、CaP-Xを6.7%上回り、コンパクトな意思決定コンテキストを維持し、事前定義されたアクション抽象化への依存を減らす。 さらに,不完全なフィードバックに拘わらず,実際の実行から学習し,その後のタスクに何を学ぶかを示す。 プロジェクトページはhttps://robotuse-team.github.io/.com/で公開されている。

関連論文リスト

• Make Code as Policy Great Again: Frontier Agents Write, Call, and Evolve Robot Tools [15.969252442943345]
  URAI(Universal Robot-Agent Interface)は、ロボットツールを構築するプログラミングエージェントと、それらをフィードバックループで使用する実行エージェントを結合する。 我々は,現実世界の7つのAgileXデュアルアームタスク,オブジェクト操作,布の折り畳み,人と対話するtic-tac-toeについて,URAIを評価した。
  論文  参考訳（メタデータ） (2026-09-30T05:23:25Z)
• DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library [33.889168703992034]
  DexAgentはエージェント的なHuman2Sim2Robotフレームワークで、一つの人間中心の動画を、政策訓練のための物理的に接地されたロボット軌道に変換する。 セマンティック理解、プロパティベースのシミュレーション再構成、ロボット軌道最適化、ロボットデータ生成の4段階を通じて動作する。 11の現実世界のタスクで、DexAgent生成データでトレーニングされたポリシーは、競合するベースラインよりも3.5倍高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-09-28T14:49:06Z)
• ETA: A New Agentic Paradigm for Embodied Tasks [76.25893120982523]
  本稿では,デジタルエージェントを物理世界へ拡張するための新しいパラダイムであるEmbodied Task Agent(ETA)を紹介する。 ETAは、一度に1つのツールコールを選択するPlanner、実行を制御するInterface、結果と新鮮な観察を返送するWorldを中心にロボットを集中させる。 ETAは、置換可能なPlanner、構成可能なツールとスキル、監査可能なメモリ、再生可能なトラジェクトリ、シミュレーションと実際のロボットのための一般的なインターフェースを提供する。
  論文  参考訳（メタデータ） (2026-08-04T16:56:09Z)
• 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)
• Retrieval-Augmented Robots via Retrieve-Reason-Act [5.93914911947526]
  我々は、ロボットが受動的執行者からアクティブな情報検索ユーザーへと進化する必要があると主張している。 以前のデモが存在しない厳密なゼロショット設定では、ロボットは重要な情報ギャップに直面している。 このパラダイムをRetrieval-Augmented Robotics (RAR) と定義し,ロボットに情報探索機能を持たせる。
  論文  参考訳（メタデータ） (2026-03-03T07:32:15Z)
• Agentic AI for Robot Control: Flexible but still Fragile [32.43712661386947]
  本稿では,推論可能な言語モデルを計画し,タスクを実行するエージェント制御システムを提案する。 i)屋内移動操作におけるテーブルトップ把握,配置,ボックス挿入(Mobipick)と,(ii)自律型農業ナビゲーション・センシング(Valdemar)の2つの設定でシステムを展開する。
  論文  参考訳（メタデータ） (2026-02-13T16:43:34Z)
• Track2Act: Predicting Point Tracks from Internet Videos enables Generalizable Robot Manipulation [65.46610405509338]
  我々は、ゼロショットロボット操作を可能にする汎用的な目標条件ポリシーを学習することを目指している。 私たちのフレームワークであるTrack2Actは、ゴールに基づいて将来のタイムステップで画像内のポイントがどのように動くかを予測する。 学習したトラック予測を残留ポリシーと組み合わせることで,多種多様な汎用ロボット操作が可能となることを示す。
  論文  参考訳（メタデータ） (2024-05-02T17:56:55Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• Can Foundation Models Perform Zero-Shot Task Specification For Robot Manipulation? [54.442692221567796]
  タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。 タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。 そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
  論文  参考訳（メタデータ） (2022-04-23T19:39:49Z)

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。