Fugu-MT 論文翻訳(概要): RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments

論文の概要: RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments

arxiv url: http://arxiv.org/abs/2610.12424v1
Date: Thu, 08 Oct 2026 17:55:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-10 02:36:54.243611
Title: RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments
Title（参考訳）: RoboRSI: 複雑な現実世界環境における安定的で効率的で再利用可能なロボットの自己進化
Abstract要約: 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。
参考スコア（独自算出の注目度）: 42.934721937370206
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A generalist robot should not only perform diverse tasks but also improve through experience, turning what it learns during execution into capabilities that later tasks can reuse. Robot agents that act through code can already repair programs from execution feedback, yet it remains a central challenge to organize this experience around the task structure that gives it meaning, so that each repair is attributed to the responsible capability, supported by execution evidence, and validated before it is reused. We introduce RoboRSI, a robot self-improvement system built on Top-Down Skill Refinement (TSR). TSR decomposes tasks into compound, atomic, and base skills with scoped responsibilities and explicit input--output contracts, attributes each execution outcome to the responsible branch, and confines revision to that branch. Building upon this structure, a Manager, Planner, Engineer, and Reviewer coordinate planning, execution, diagnosis, and the validated release of new skills, while people steer the process through objectives and corrections; stable skill sequences are further consolidated into reusable compound skills. On a mobile manipulator, RoboRSI develops multi-object household cleanup over 104 rounds. In simulation, it achieves the highest success rate on LIBERO, LIBERO-PRO, LIBERO-Plus, and RoboTwin, exceeding the strongest baseline by 2.7 to 11.0 percentage points.
Abstract（参考訳）: 汎用ロボットは、多様なタスクを実行するだけでなく、経験を通じて改善し、実行中に学んだことを、後のタスクが再利用できる能力に変えるべきである。コードを介して行動するロボットエージェントは、すでにプログラムを実行フィードバックから修復することができるが、この経験を意味を与えるタスク構造を中心に整理することは依然として中心的な課題であり、各修復は責任ある能力に起因し、実行証拠によって支えられ、再利用される前に検証される。本稿では,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任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し、各実行結果を責任あるブランチに属性し、そのブランチにリビジョンを限定する。この構造に基づいて、マネージャ、プランナー、エンジニア、レビューアが新しいスキルの計画、実行、診断、検証されたリリースをコーディネートし、人々は目標と修正を通じてプロセスを運営し、安定したスキルシーケンスは再利用可能な複合スキルにさらに統合される。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。シミュレーションでは、LIBERO、LIBERO-PRO、LIBERO-Plus、RoboTwinが最も成功率が高く、ベースラインが2.7～11.0ポイントを超える。

論文の概要: RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments

関連論文リスト