論文の概要: EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution

• arxiv url: http://arxiv.org/abs/2610.10498v1
• Date: Wed, 07 Oct 2026 17:48:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:23.09262
• Title: EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution
• Title（参考訳）: EmbodiedRSI:仮説誘導型共進化によるアクティブ連続ロボット学習
• Abstract要約: EmbodiedRSIは、次に探索する場所を自律的に決定する自己進化型エージェントハーネスである。 これはFast-Slow Dual-System Architectureを通じて実現します。 RoboCasa365では、EmbodiedRSIは77.0%、Composite-Unseenでは71.3%に達した。
• 参考スコア（独自算出の注目度）: 67.8338816777088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot foundation models provide strong visuomotor control, yet their performance can degrade when object positions or task instructions change. Further improvements often require post-training on substantial robot data, which can be costly to collect through methods such as teleoperation. Agentic harnesses can adapt around the model, but current self-evolving harnesses use robot trials inefficiently when deciding which code and skill changes to pursue. We introduce EmbodiedRSI, a self-evolving agentic harness that autonomously decides where to explore next and turns the resulting physical interaction into improved code and skills. EmbodiedRSI realizes this through a Fast-Slow Dual-System Architecture, in which competing code and skill hypotheses are maintained in a Hypothesis Graph. Value-of-Information Experiment Selection chooses physical experiments that can distinguish these hypotheses. Their outcomes guide Code-Skill Co-Evolution. The Slow System builds Hierarchical Memory, and Reward-Grounded Memory Learning selects effective memory according to their value for later Fast-System improvement. On RoboCasa365, EmbodiedRSI reaches 77.0% overall success and 71.3% on Composite-Unseen, compared with 40.1% for the best baseline. EmbodiedRSI also reaches 86.8% overall success on LIBERO-Pro. Beyond benchmark performance, EmbodiedRSI transfers zero-shot to real-world robot, achieving 71.3% overall success across multiple challenging tasks.
• Abstract（参考訳）: ロボット基礎モデルは強力な振動子制御を提供するが、その性能は物体の位置やタスク命令が変化すると劣化する。 さらなる改善は、遠隔操作のような方法で収集するのにコストがかかるような、相当量のロボットデータのポストトレーニングを必要とすることが多い。 エージェントハーネスはモデルに適応できるが、現在の自己進化ハーネスは、どのコードとスキルを追求するかを決定する際に、非効率にロボットトライアルを使用する。 EmbodiedRSIは自己進化型のエージェントハーネスで、次にどこを探索するかを自律的に決定し、結果の物理的相互作用を改善されたコードとスキルに変える。 EmbodiedRSIはFast-Slow Dual-System Architectureを通じてこれを実現し、競合するコードとスキル仮説を仮説グラフで維持する。 Value-of-Information Experiment Selectionは、これらの仮説を区別できる物理実験を選択する。 彼らの成果は、コードスキルの共進化を導く。 Slow System は階層型メモリを構築し、Reward-Grounded Memory Learning はその値に応じて効率的なメモリを選択して、後の高速システムの改善を行う。 RoboCasa365では、EmbodiedRSIが77.0%、Composite-Unseenが71.3%に達した。 EmbodiedRSIはLIBERO-Proで86.8%の成功を収めた。 ベンチマークパフォーマンス以外にも、EmbodiedRSIはゼロショットを現実世界のロボットに転送し、複数の課題に対して71.3%の成功を達成した。

関連論文リスト

• Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents [50.03584684933779]
  本稿では,ロボット実行システムの自律的改善のためのフレームワークであるReconstruct, Practice, Go Real(RPG)を紹介する。 RPGはオフラインデータセットの操作機能を特定し、シミュレーションで関連するプラクティスタスクを構築する。 新しい再利用可能なシンボリックスキルを開発し、既存のスキルを洗練させ、これらの診断に基づいてシステムプロンプトを改訂する。
  論文  参考訳（メタデータ） (2026-10-01T17:59:50Z)
• RoboHarn-Evo: Evolving Hierarchical Physical Knowledge for Self-Improving Robotic Manipulation [24.90546116835631]
  物理経験から階層的物理知識(HPK)を進化させるデュアルループハーネスであるRoboHarn-Evoを紹介する。 タスク知識(Task Knowledge)はどのサブタスクを実行すべきか、いつ完了するかをキャプチャし、アクション知識(Action Knowledge)はオブジェクト相対幾何学的戦略とその物理的効果をキャプチャする。 RMBenchの実験では、HPKは異なるエージェントモデルの平均成功率を24.2ポイントまで改善している。
  論文  参考訳（メタデータ） (2026-09-29T13:42:22Z)
• HarnessPAI: An Evolving Harness for Physical AI [64.91964104275483]
  本稿では,物理AIのためのモデルおよび具体化に依存しないフレームワークであるHarnessPAIを紹介する。 ロールアウト内では、プログラムレベルでオープンループを実行する。 デスクトップロボットアーム、家庭用ロボット、ロボット掃除機、そして歩行エージェントのHarnessPAIは、純粋なアクションモデルとコード・アズ・ポリティクスのベースラインの両方を改善している。
  論文  参考訳（メタデータ） (2026-09-24T07:40:00Z)
• ME-Brain-1.0: Memory, Cognition and Action for Evolving Embodied Intelligence [26.86497590862839]
  MachEm-Brain(ME-Brain)は、閉じた行動実行、経験獲得、経験進化、改善された実行のループを中心に構成された自己進化型実施システムである。 Evolvable Memoryはマルチモーダルトラジェクトリを階層的で再利用可能なエクスペリエンスに集約する。 Action Modelは、イベント駆動の計算、EventCellのローカルワールド予測、およびアクション条件のメモリ変調を組み合わせて、決定クリティカルなモーメント、リージョン、歴史的なエビデンスにフォーカスする。
  論文  参考訳（メタデータ） (2026-09-21T08:35:37Z)
• 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)
• 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)
• SIME: Enhancing Policy Self-Improvement with Modal-level Exploration [49.86173021151849]
  自己改善を成功させる鍵は、モーダルレベルの探索とデータ選択である。 ポリシー実行中にモーダルレベルの探索機構を組み込むことで、ロボットはより多様なマルチモーダルインタラクションを生成できる。 シミュレーションベンチマークと実世界実験の両方において,効果的なロボット自己改善の実証に成功した。
  論文  参考訳（メタデータ） (2025-05-02T17:13:03Z)
• 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。