論文の概要: Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement
- arxiv url: http://arxiv.org/abs/2610.12369v1
- Date: Thu, 08 Oct 2026 17:29:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.225854
- Title: Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement
- Title（参考訳）: 身体的チューリングマシン:ロボット再帰的自己改善のためのステートフルコード
- Abstract要約: 我々は,ロボット,環境,タスク状態の計測と追跡を行うCode-Only-as-Policyを提案する。
VLAやAgen Harnessesと比較すると、COAPの利点は3つある。 (i) Explicit State: 状態はコードに格納できる; (ii) 実行: コードが決定を制御可能とし、障害から柔軟に回復し、高速で安価にオンラインで実行される。
RoboDojoの42のバイマニュアルタスクでは、テスト時にモデルなしで結果のライブラリが70.24%の成功率に達する。
- 参考スコア（独自算出の注目度）: 48.15578211739314
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most robot policies keep a model in the control loop: a VLA maps observations to actions, and an Agent Harness, such as Agent-as-Policy or Harness VLA queries a VLM for decision making at run time. We propose a different view: the embodied world is an Embodied Turing Machine, whose tape is the robot and environment state and rules are the policy. If this state can be represented accurately, the decision making can be written entirely in code. We therefore propose Code-Only-as-Policy (COAP): code measures and tracks the robot, environment, and task state from camera images and proprioception, and makes every decision from it. The same code applies across episodes, and different tasks share one library without a VLM or VLA in the loop. Compared with VLAs and Agent Harnesses, we analyze three advantages of COAP: (i) Explicit State: the state can be stored in code; (ii) Execution: code makes decision making controllable, recovers from failures flexibly, and runs fast and cheaply online; (iii) Extensibility: new tasks reuse, inherit, or extend the shared library, so capabilities can accumulate over tasks. These advantages make COAP a suitable medium for recursive self-improvement (RSI): coding agents develop the library in a closed loop, and each change is explicit and controllable. On RoboDojo's 42 bimanual tasks, the resulting library reaches a success rate of 70.24% without a model at test time. The upper bound of COAP lies in how accurately the state is represented for decision making and how robust the code logic is. We thus propose COAP as a new paradigm for embodied tasks; since it applies across episodes, it can also serve as an efficient data engine for VLAs and Agent Harnesses.
- Abstract（参考訳）: VLAはアクションに観察をマッピングし、エージェント・アズ・ポリシー(Agen-as-Policy)やHarness VLA(Harness VLA)といったエージェント・ハーネス(Agent Harness)は、実行時に意思決定を行うためにVLMに問い合わせる。
具現化された世界はエンボディードチューリングマシンであり、テープはロボットであり、環境状態とルールはポリシーである。
この状態が正確に表現できれば、決定は完全にコードで書かれる。
そこで我々は,カメラ画像からロボット,環境,タスク状態を計測し,追跡するコード・オンリー・アズ・ポリシー(COAP)を提案する。
同じコードがエピソード毎に適用され、異なるタスクがループ内にVLMやVLAなしで1つのライブラリを共有する。
VLAやAgen Harnessesと比較して、COAPの利点は3つある。
i) 明示的状態: 状態はコードに格納することができる。
(ii)実行:コードは意思決定を制御可能とし、障害から柔軟に回復し、高速で安価にオンラインで実行します。
(iii)拡張性:新しいタスクが共有ライブラリを再利用、継承、拡張することで、タスクを積み重ねることができる。
これらの利点により、COAPは再帰的自己改善(RSI:recursive self-improvement)に適した媒体となり、コーディングエージェントはライブラリをクローズドループで開発し、それぞれの変更は明示的で制御可能である。
RoboDojoの42のバイマニュアルタスクでは、テスト時にモデルなしで結果のライブラリが70.24%の成功率に達する。
COAPの上限は、意思決定のために状態がどれだけ正確に表現されるか、そしてコードロジックがどれほど堅牢かにある。
そこで我々は,COAPをエピソード毎に適用し,VLAやエージェント・ハーネスのための効率的なデータエンジンとしても機能する,新しいタスクのパラダイムとして提案する。
関連論文リスト
- Self-Evolving Coding Agents: From Digital Programs to Physical-World Intelligence [11.274316348116798]
視覚言語アクション(VLA)と世界行動モデル(WAM)は、観察と指示を直接ロボットアクションにマッピングする。
タスク要件、条件、進捗、障害回復は暗黙的にアクションシーケンスにエンコードされる。
タスクの状態と実行をコードとして表現する物理符号化を提案する。
論文 参考訳（メタデータ） (2026-09-28T15:38:07Z) - RoboFollow: Unveiling the Instruction Following Mirage in Embodied Agents [27.05863814403932]
RoboFollowは、エンボディエージェントインストラクションの診断ベンチマークである。
その結果,L1-L3の微調整では,L0性能が確実にL1-L3に遷移しないことがわかった。
RoboFollowは、クリティカルで見過ごされたボトルネックとして、真のインストラクションを公開している。
論文 参考訳（メタデータ） (2026-09-22T03:48:02Z) - AgentForge: Execution-Grounded Multi-Agent LLM Framework for Autonomous Software Engineering [3.2126925586839623]
第一級原理として実行基盤検証を導入する。
我々はこの原理をマルチエージェントフレームワークである AgentFORGE でインスタンス化する。
AgentFORGEtokenはSWE-BENCH Lite上で40.0%の解像度を達成する。
論文 参考訳（メタデータ） (2026-04-13T13:51:13Z) - Act-Observe-Rewrite: Multimodal Coding Agents as In-Context Policy Learners for Robot Manipulation [0.0]
本稿では、LLMエージェントがロボット操作ポリシーを改善するためのフレームワークであるAct-Observe-Rewrite(AOR)を提案する。
AORはLLM推論の単位として、完全な低レベルモーター制御を実装している。
エージェントは、デモンストレーション、報酬工学、勾配更新なしで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-03-03T22:15:55Z) - RoboInspector: Unveiling the Unreliability of Policy Code for LLM-enabled Robotic Manipulation [7.650053106303868]
大規模言語モデル(LLM)は、推論とコード生成において顕著な能力を示す。
進歩にも拘わらず、信頼性の高いポリシコード生成を実現することは、さまざまな要件のために依然として大きな課題である。
LLM対応ロボット操作におけるポリシーコードの信頼性の欠如を明らかにするパイプラインであるRoboInspectorを紹介する。
論文 参考訳（メタデータ） (2025-08-29T07:47:17Z) - LLaRA: Supercharging Robot Learning Data for Vision-Language Policy [56.505551117094534]
我々はLLaRA: Large Language and Robotics Assistantを紹介した。
まず、既存の行動クローニングデータセットからロボットのための会話スタイルの指導データを生成する自動パイプラインを提案する。
このようなデータセットを限定的に微調整したVLMは、ロボット制御において有意義な行動決定を導出できることを示す。
論文 参考訳（メタデータ） (2024-06-28T17:59:12Z) - Executable Code Actions Elicit Better LLM Agents [76.95566120678787]
この研究は、Pythonコードを使用して、Large Language Model(LLM)エージェントのアクションを統一されたアクション空間(CodeAct)に統合することを提案する。
Pythonインタプリタと統合されたCodeActは、コードアクションを実行し、事前アクションを動的に修正したり、マルチターンインタラクションを通じて新しい観察に新しいアクションを発行することができる。
CodeActのパフォーマンス向上は、解釈可能なコードを実行し、自然言語を使ってユーザとコラボレーションすることで、環境と対話するオープンソースのLLMエージェントを構築する動機となります。
論文 参考訳（メタデータ） (2024-02-01T21:38:58Z)
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。