論文の概要: RoboAware: Learning to Coordinate Embodied Skills from Counterfactual Outcomes
- arxiv url: http://arxiv.org/abs/2610.11480v1
- Date: Thu, 08 Oct 2026 08:25:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.89173
- Title: RoboAware: Learning to Coordinate Embodied Skills from Counterfactual Outcomes
- Title（参考訳）: RoboAware:非現実的な成果から身体的スキルの調整を学ぶ
- Abstract要約: エンボディードコーディングエージェントは、モジュラースキルと凍結したエンドツーエンドのポリシーを組み合わせることができるが、効果的な構成では、現在の物理的状態においてどのポリシーファミリーが成功するかを予測する必要がある。
本稿では,コーディングエージェントのスキルオーケストレーションに基づくRoboAwareを提案する。
- 参考スコア（独自算出の注目度）: 37.0165408022601
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Embodied coding agents can combine modular robot skills with frozen end-to-end policies, yet effective composition requires anticipating which policy family will succeed in the current physical state. We present RoboAware, which builds on coding agents' skill orchestration by learning only a state-conditioned responsibility coordinator from counterfactual outcomes. Inspired by the success of REPL, we propose the $P^5$ schema and formulate a hierarchical MDP based on it. $P^5$ organizes skills uniformly into five semantic stages, defining where responsibility can be compared. To address the lack of counterfactual branch outcomes in existing work, we introduce State-Locked Counterfactual Branching (SCB), which restores the same training state to generate and execute a code block from each admissible family, exposing outcomes that selected-branch experience leaves unobserved. Building on this, we propose Execution-Aware Learning (EAL), which combines Monte Carlo tree search with Q-learning to distill these outcomes into family-conditioned values. At deployment, the coordinator selects the policy family according to observable context, and the frozen coding agent generates the next local code block. Comprehensive single-episode evaluations on 100 tasks show that RoboAware reaches a 77.0% overall success rate, with SOTA averages of 90.0% on RoboSuite, 73.8% on diverse LIBERO-Pro task clusters, and 90.0% on challenging RoboTwin bimanual tasks, outperforming existing code-as-policy and VLA-harness baselines.
- Abstract（参考訳）: 自己組織化されたコーディングエージェントは、モジュラーロボットのスキルと凍結したエンドツーエンドのポリシーを組み合わせることができるが、効果的な構成では、現在の物理的状態においてどのポリシーファミリーが成功するかを予測する必要がある。
本稿では,コーディングエージェントのスキルオーケストレーションに基づくRoboAwareを提案する。
REPLの成功に触発されて、我々は$P^5$スキーマを提案し、それに基づいて階層的MDPを定式化する。
P^5$は、スキルを5つのセマンティックステージに一様に整理し、責任をどこで比較できるかを定義する。
既存の作業において、非現実的なブランチ結果の欠如に対処するため、同じトレーニング状態を復元して、各許容ファミリーからコードブロックを生成し、実行し、選択ブランチの経験が残っていない結果を明らかにする、ステートロックの対実ブランチ(SCB)を導入します。
そこで本研究では,モンテカルロ木探索とQラーニングを組み合わせることで,これらの結果を家族条件付き値に抽出するEAL(Execution-Aware Learning)を提案する。
デプロイ時に、コーディネータは観測可能なコンテキストに応じてポリシーファミリを選択し、凍結符号化エージェントは次のローカルコードブロックを生成する。
100のタスクに対する総合的な単一エピソード評価は、RoboAwareが総成功率77.0%に達し、SOTAの平均はRoboSuiteで90.0%、多様なLIBERO-Proタスククラスタで73.8%、RoboTwinのバイマニュアルタスクで90.0%に達し、既存のコード・アズ・ポリティとVLA-ハーネスベースラインを上回っていることを示している。
関連論文リスト
- RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments [42.934721937370206]
トップダウンスキルリファインメント(TSR)上に構築されたロボット自己改善システムであるRoboRSIを紹介する。
TSRはタスクを、スコープ化された責務と明示的な入出力契約で複合、アトミック、ベーススキルに分解する。
移動マニピュレータでは、RoboRSIは104発以上の多目的家庭用クリーンアップを開発している。
論文 参考訳（メタデータ） (2026-10-08T17:55:12Z) - ASENA: Self-evolving Agents for Embodied Navigation [84.64998230277466]
ASENAは汎用コーディングエージェントをロボットセンシング、計算、教師付き実行、永続的な体験に接続する。
独立政策としてASENA-VLNはR2Rで68.7%、RxRで70.2%という最先端の成功率を達成した。
論文 参考訳（メタデータ） (2026-09-30T07:53:50Z) - Omni-IO Skills: Harnessing Your Agent Omni-Native [44.39194142852739]
汎用エージェントは、長い地平線を計画し、推論し、行動することができる。
生産能力はテキスト、画像、オーディオ、ビデオ、ドキュメント、3Dアセット、コードで断片化されている。
Omni-IO Skillsは,既存のエージェントをオムニティブにするプラグイン・アンド・プレイエージェントのHarnessを提供する。
論文 参考訳（メタデータ） (2026-09-25T18:00:16Z) - EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。
本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。
共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
論文 参考訳（メタデータ） (2026-09-01T14:14:47Z) - 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) - Mind the Gap: Can Frontier LLMs Pass a Standardized Office Proficiency Exam? [90.39633603556767]
コンピュータ自動化のための大規模言語モデル(LLM)エージェントは加速しているが、複雑なプロフェッショナルグレードの生産性ソフトウェアをナビゲートする能力はほとんどテストされていない。
この能力を定量化するために,中国のコンピュータランク試験(NCRE)に基づく評価を導入する。
我々は7つのフロンティア LLM をベンチマークし、スターク制限を観測した。
より強力なエージェントシステムであり、実行フィードバック、反復的修復、より広いオフィス自動化アクセスは68.8%に達するが、スコアの正当性チェックとして使われる95.5%のコミュニティ基準スコアを下回っている。
論文 参考訳（メタデータ） (2026-06-09T14:59:14Z) - AEROS: A Single-Agent Operating Architecture with Embodied Capability Modules [7.392721604463545]
ロボットは、インストール可能なパッケージによって拡張された単一の永続的な知的主題としてモデル化されるべきである、と我々は主張する。
我々はAEROS(Agent Execution Execution Execution Operating System)としてこの見解を定式化し、各ロボットが1つの永続エージェントに対応し、ECMを通して能力を提供する。
我々は,再計画,障害復旧,政策施行,ベースライン比較,クロスタスク一般性,ECMホットスワッピング,アブレーション,障害境界解析を含む8つの実験に対して,Franka Panda 7-DOFマニピュレータを用いたPyBulletシミュレーションの参照実装を評価した。
論文 参考訳（メタデータ） (2026-04-08T12:54:32Z) - ARISE: Agent Reasoning with Intrinsic Skill Evolution in Hierarchical Reinforcement Learning [17.98540130851038]
ARISE(Agent Reasoning via Intrinsic Skill Evolution)は階層的な強化学習フレームワークである。
共有ポリシを使用して、ハイレベルなスキルを管理し、低レベルなレスポンスを生成する。
階層的な報酬設計は、推論能力と図書館品質の共進化を導く。
論文 参考訳（メタデータ） (2026-03-17T02:03:17Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z)
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。