論文の概要: BT-Agent: Deploying Onboard Robot Agents with Behavior Trees and Multi-Fidelity Evaluation
- arxiv url: http://arxiv.org/abs/2610.13862v1
- Date: Fri, 09 Oct 2026 17:08:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.698043
- Title: BT-Agent: Deploying Onboard Robot Agents with Behavior Trees and Multi-Fidelity Evaluation
- Title（参考訳）: BT-Agent:行動木を用いたロボットエージェントの展開と多面的評価
- Abstract要約: LLM駆動型タスク決定と事前に定義された動作木(BT)スキルを組み合わせたアーキテクチャBT-Agentを提案する。
5つのタスクカテゴリにまたがる4つのモデル上で,9Bモデルによる完全なオンボード動作を実演する。
BT-Agentの最大の成功は、Act/ReActベースラインが4Bと9Bで、約10ポイントと5ポイントである。
- 参考スコア（独自算出の注目度）: 22.89380271762842
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deploying language-model agents onboard mobile robots requires task reasoning and responsive execution within limited compute and memory. We propose BT-Agent, an onboard architecture combining LLM-driven task decisions with predefined behavior-tree (BT) skills. These skills enforce execution conditions and return structured failure feedback. We demonstrate fully onboard operation with a 9B model on a quadruped across five task categories. Intervention tests show that local checks stop ongoing navigation without waiting for another model decision, while the agent remains active to retry or report constraints. To compare agent designs efficiently, we introduce a 161-task multi-fidelity benchmark, evaluated in text on all tasks and in Habitat on 39. Text supports 10.9$\times$ higher evaluation throughput, while simulation reveals how perception and motion failures change task outcomes. BT-Agent's largest success gains over the strongest Act/ReAct baseline occur at 4B and 9B: approximately 10 and 5 percentage points. Ablations identify structured tool calls and informative failure feedback as the most useful components.
- Abstract（参考訳）: モバイルロボットに言語モデルエージェントをデプロイするには、タスク推論と限られた計算とメモリ内での応答実行が必要である。
LLM駆動型タスク決定と事前に定義された動作木(BT)スキルを組み合わせたアーキテクチャBT-Agentを提案する。
これらのスキルは実行条件を強制し、構造化された障害フィードバックを返す。
5つのタスクカテゴリにまたがる4つのモデル上で,9Bモデルによる完全なオンボード動作を実演する。
インターベンションテストでは、他のモデル決定を待つことなく、ローカルチェックが進行中のナビゲーションを停止し、エージェントがリトライやレポートのためにアクティブであることが示される。
エージェント設計を効率よく比較するため、161タスクのマルチ忠実度ベンチマークを導入し、すべてのタスクのテキストと39のHabitatで評価した。
テキストは10.9$\times$高い評価スループットをサポートし、シミュレーションは、知覚と運動の失敗がタスクの結果をどのように変えるかを明らかにする。
BT-Agentの最大の成功は、Act/ReActベースラインが4Bと9Bで、約10ポイントと5ポイントである。
アブレーションは構造化されたツールコールと情報的障害フィードバックを最も有用なコンポーネントとして識別する。
関連論文リスト
- MAGMA-Bench: Evaluating Long-Horizon Embodied Agents under Dynamic Tasks and Execution Failures [1.0074626918268836]
動的マルチロボット環境における永続的タスク推論のためのアーキテクチャに依存しないベンチマークであるMAGMA-Benchを紹介する。
ローカルにデプロイ可能なオープンウェイトプランナ,マルチエージェント状態追跡戦略,フロンティアモデルを評価した。
ベンチマーク、タスクレベルのトレーニング例261,646、アーキテクチャに依存しないエキスパートトレース生成パイプラインをリリースしています。
論文 参考訳（メタデータ） (2026-10-09T12:54:11Z) - AgentHorizon: Evaluating Agentic Judges for Long-Horizon Computer-Use Tasks [67.28108897589799]
AgentHorizonは、1,373のコンピュータ利用タスクのベンチマークである。
同様の(しかし互換性のない)要求を完了したのと、成功した軌道を区別する能力について、審査員を評価した。
我々の最高のエージェント・ジャッジであるGPT-5.5は、AHサブセット上で80.9%のバランスの取れた精度を達成する。
論文 参考訳（メタデータ） (2026-10-08T01:03:48Z) - OOPMAS: Object-Oriented Multi-Agent Systems for Query-Level Workflow Generation [55.27793983826255]
OOPMASは、エージェントセットと調整ワークフローの両方を個々のクエリの粒度で生成する、トレーニング不要のフレームワークである。
コード、数学、QAにまたがるクエリの混合タスクベンチマークでは、OOPMASは89.6%の精度を達成し、最強のベースラインを18.1ポイント上回っている。
論文 参考訳（メタデータ） (2026-10-06T05:31:29Z) - Beyond Task Completion: Measuring Interaction Cost in Terminal User Interfaces [9.989643815447625]
大規模言語モデル (LLM) は、ターミナルユーザインタフェース (TUI) を通じてますます使われている。
本稿では,LLMエージェントをユーザロールに配置する評価パラダイムであるAgent-as-a-Userを提案する。
6人の被験者と5人の観察・評価者構成を持つ15の現実世界のTUIに対して84のタスクを探索し、3つの主要スタックから生成された45のTUIを評価した。
論文 参考訳（メタデータ） (2026-10-04T08:30:26Z) - CodeActionBench: Evaluating Agentic Code-as-Policy for Embodied Manipulation [55.1660787557339]
CodeActionBenchは、エージェント的なCode-as-Policyを通じてこの機能を評価する25の操作タスクのベンチマークである。
共有ロボットAPIは、RGB観測、校正された幾何学的操作、ロボットのフィードバック、および有界運動を提供し、タスク依存の判断を評価対象に残す。
9つの構成と675の試行で大規模な評価が行われ、成功率は2.7%から73.3%である。
最も強力な構成であるGPT-6 Astra with Codex CLIは、3回の試行で少なくとも25タスクのうち22タスクを解決した。
論文 参考訳（メタデータ） (2026-09-27T17:59:31Z) - APPSim-Bench: Bridging Real-world Apps and Reproducible Evaluation for Mobile GUI Agents [29.43824786048825]
移動エージェントは自然言語命令からタスクを実行することができるが、その評価は現実的かつ再現性の高いものにすることは困難である。
既存のベンチマークは、これらの目標をトレードオフするのに対して、ライブの商用アプリは、推奨、広告、アカウント、コンテンツの変更から制御不能なバリエーションを導入している。
本稿では,タスク関連インタラクションロジックを保持する制御可能なシミュレートアプリを通じて,このトレードオフに対処するAppSim-Benchを提案する。
論文 参考訳（メタデータ） (2026-09-07T16:25:13Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - 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) - Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。
4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。
一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-05T12:52:09Z) - MAPLE: A Mobile Agent with Persistent Finite State Machines for Structured Task Reasoning [46.18718721121415]
アプリケーションインタラクションをFSM(Finite State Machine)として抽象化する,状態認識型マルチエージェントフレームワークMAPLEを提案する。
それぞれのUI画面を離散状態として、ユーザアクションをトランジションとしてモデル化し、FSMがアプリケーション実行の構造化された表現を提供できるようにします。
MAPLEは、計画、実行、検証、エラー回復、知識保持という4段階のタスク実行に責任を持つ特殊エージェントで構成されている。
論文 参考訳（メタデータ） (2025-05-29T16:08:51Z)
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。