論文の概要: ReTrace: Cross-Stage Failure Attribution for Self-Improving Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2610.15814v1
• Date: Sun, 11 Oct 2026 18:08:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 16:04:10.118826
• Title: ReTrace: Cross-Stage Failure Attribution for Self-Improving Robotic Manipulation
• Title（参考訳）: ReTrace: 自己改善型ロボットマニピュレーションのためのクロスステージ障害属性
• Abstract要約: ReTraceは、自律的な物理的相互作用と振り返り推論によるロボット操作のための自己改善フレームワークである。 我々は,Franka Research 3ロボットを用いた実世界の4つの操作タスクにおけるReTraceの評価を行った。
• 参考スコア（独自算出の注目度）: 43.73491726685983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: General-purpose multimodal foundation models are increasingly capable of directly controlling robots, yet improving their manipulation capabilities through autonomous interaction remains challenging. A key challenge to such self-improvement is learning from failures in complex manipulation tasks involving cross-stage dependencies, where an action may succeed locally but cause a later stage to fail. To address this challenge, we introduce ReTrace, a self-improvement framework for robotic manipulation through autonomous physical interaction and retrospective reasoning, without provided demonstrations or model-parameter updates. ReTrace retrospectively traces downstream failures to earlier decisions, proposes targeted corrections, and evaluates them through subsequent interactions. Across attempts, ReTrace progressively consolidates validated corrections into a reusable manipulation skill that guide subsequent execution. We evaluate ReTrace on four real-world manipulation tasks using a Franka Research 3 robot. On the two tasks with strong cross-stage dependencies, GPT-6 Astra-low improves from 0% to 80% success on plug insertion and from 0% to 100% on ball pouring, while GPT-6 Sol-xhigh improves from 0% to 10% and 0% to 90%, respectively. The learned skills also transfer across model and reasoning configurations and reduce inference-time decision cost in most evaluated settings.
• Abstract（参考訳）: 汎用マルチモーダルファウンデーションモデルは、ロボットを直接制御する能力はますます高まっているが、自律的なインタラクションによる操作能力の向上は依然として困難である。 このような自己改善の鍵となる課題は、複数のステージ依存性を含む複雑な操作タスクの失敗から学ぶことだ。 この課題に対処するために、デモやモデルパラメータの更新を伴わずに、自律的な物理的相互作用と振り返り推論を通じてロボット操作を自己改善するフレームワークであるReTraceを紹介した。 ReTraceは、下流の障害を過去の決定に遡ってトレースし、ターゲットとする修正を提案し、その後のインタラクションを通じて評価する。 全体として、ReTraceは検証済みの修正を段階的に統合し、再利用可能な操作スキルとして、その後の実行をガイドする。 我々は,Franka Research 3ロボットを用いた実世界の4つの操作タスクにおけるReTraceの評価を行った。 クロスステージ依存性が強い2つのタスクにおいて, GPT-6 Astra-lowはプラグ挿入で0%から80%, ボール注水で0%から100%に改善し, GPT-6 Sol-xhighは0%から10%, 0%から90%に改善した。 学習したスキルは、モデルと推論設定をまたいで転送し、ほとんどの評価済み設定において推論時間決定コストを削減します。

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)
• FailBench: How Reliable are VLMs at Judging Robot Task Success? [0.0]
  FailBenchは、14の公開ソースにわたる2,197回の操作を含むロボット故障検出のベンチマークである。 FailBenchでは、75%の障害が自然に発生し、6つの実世界のソースが非障害検出データセットから発生している。
  論文  参考訳（メタデータ） (2026-09-03T09:58:55Z)
• TACIT-Switch: Cost-Aware Model Escalation for LLM Agents from Censored Supervision [2.681967953218225]
  より小さな言語モデルバックボーンを持つエージェントは永続的な障害モードにドリフトできるが、より大きなバックボーンを持つエージェントは一般的により信頼性が高いがよりコストがかかる。 この信頼性の高いトレードオフは、より大きなバックボーンを持つエージェントをいつ呼び出すかを決定するルーティングメソッドを動機付けます。 提案手法であるTACIT-SWITCHは,蓄積された軌跡の証拠から永久的ハンドオフポリシーを学習する。
  論文  参考訳（メタデータ） (2026-08-28T04:33:11Z)
• Reflective Recovery: A Self-Supervised Method for Reasoning by Learning from Mistakes [70.64622557376505]
  リフレクティブリカバリは、推論中のミスを認識し、修正するようにモデルに教える。 AIME 2025では30.0%から37.5%、Minervaでは37.6%から47.8%に精度が向上している。
  論文  参考訳（メタデータ） (2026-07-24T02:51:42Z)
• Learning from Failure: Inference-Time Self-Improvement for Computer-Use Agents [80.03824805228719]
  コンピュータ利用エージェントを開発する上での大きな課題は、大規模で高品質な軌道を収集することである。 我々は、失敗した軌道をエージェント改善に変換するデータ中心のパラダイムを提案する。 この手法をOSWorldベンチマーク上で,最先端のOpenCUA-72Bモデルを用いて検証する。
  論文  参考訳（メタデータ） (2026-06-30T07:44:37Z)
• RLSR: Reinforcement Learning from Self Reward [0.0]
  大規模な言語モデルでは,参照解を使わずに自己判断によって効果的に自己改善できることを示す。 実験により, モデルが真理の答えを得られずに, 信頼性の高い報奨信号を提供できることを示した。 この作業は、自己指向学習を通じて継続的に改善される自律型AIシステムに向けた重要なステップである。
  論文  参考訳（メタデータ） (2025-05-12T23:51:04Z)
• SPC: Evolving Self-Play Critic via Adversarial Games for LLM Reasoning [99.645427839457]
  セルフプレイ批判(Self-Play Critic、SPC)は、対戦型セルフプレイゲームを通じて推論ステップを評価する能力を進化させる新しいアプローチである。 SPCは、ベースモデルの2つのコピーを微調整して、2つの役割、すなわち「スニーキージェネレータ」と「批判的」を演じる。
  論文  参考訳（メタデータ） (2025-04-27T08:45:06Z)

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。