論文の概要: Agentic Robot Creation through Generation, Verification, and Revision

• arxiv url: http://arxiv.org/abs/2610.17881v1
• Date: Tue, 13 Oct 2026 07:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 08:24:56.09945
• Title: Agentic Robot Creation through Generation, Verification, and Revision
• Title（参考訳）: 創成・検証・改訂によるエージェントロボットの創成
• Abstract要約: 具体化と行動生成という2つの相補的な側面から疑問を考察する。 本稿では,タスク仕様を実行可能なポリシに変換するエージェントフレームワークであるRoboforgeを紹介する。 エージェント生成ゴリラを作製し,学習行動を直接物理ロボットに展開する。
• 参考スコア（独自算出の注目度）: 6.328407053552727
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Can an AI agent turn high-level user intent into a functioning robot and teach it how to behave? We study this question from two complementary aspects: embodiment and behavior creation. For embodiment creation, we investigate how well current multimodal models capture mechanical requirements, and introduce computational metrics for evaluating generated designs before fabrication. For behavior creation, we present Roboforge, an agentic framework that turns task specifications into executable policies through motion generation, policy learning, and execution-grounded revision. Given a robot embodiment and task, the agent generates a reference motion, configures the learning objective, and trains a policy. Crucially, motion remains in the loop: rollout feedback can revise the reference motion, reward, or both. We evaluate a generated embodiment across multiple MLLMs and behavior creation across four diverse robots against reward-refinement and one-shot motion baselines. Our computational metrics expose recurring mechanical failures in generated designs, while behavior experiments show that execution-grounded refinement improves task-level behavior and execution quality. Finally, we fabricate an agent-generated Gorilla and directly deploy learned behaviors on the physical robot.
• Abstract（参考訳）: AIエージェントは、ハイレベルなユーザーの意図を機能するロボットに変えて、行動の仕方を教えることができるだろうか? 本研究では,2つの相補的な側面から,具体化と行動生成について考察する。 そこで本研究では,既存のマルチモーダルモデルがいかに機械的要求を捉えるかを検討するとともに,製造前に生成した設計を評価するための計算指標を導入する。 本稿では,動作生成のためのエージェントフレームワークであるRoboforgeについて述べる。 ロボットの実施とタスクが与えられた場合、エージェントは参照動作を生成し、学習目標を設定し、ポリシーを訓練する。 ロールアウトフィードバックは、参照動作や報酬、あるいはその両方を修正できます。 我々は,複数のMLLMにまたがるエボディメントと,報酬抑制とワンショットモーションベースラインに対する4つの多様なロボット間の行動生成を評価した。 提案手法は, 繰り返し発生する機械的故障を再現し, 動作実験により, タスクレベルの動作と実行品質が向上することを示した。 最後に,エージェント生成ゴリラを作製し,学習行動を直接物理ロボットに展開する。

関連論文リスト

• Agentic RSR: Real-to-Sim-to-Real through Scene Reconstruction and Execution-Grounded Robot Policies [30.386726797060508]
  Agentic Real-to-Sim-to-Realは、シーン再構築、ポリシー開発、リアルロボット実行をリンクするフレームワークである。 共有タスクレベルのインタフェースは、ポリシーと蓄積された経験を実際のロボットに伝達し、新鮮な観察と安全チェックがガイド実行をチェックする。 実ロボット実験では、シミュレーションタスク成功率の80%に達し、ハードウェア上でのシミュレーションパフォーマンスの相当な保持を示す。
  論文  参考訳（メタデータ） (2026-10-07T17:37:20Z)
• RoboWits: Unexpected Challenges for Robotic Creative Problem Solving [58.58727722988084]
  我々は、認知的推論、創造的ツールの使用、予期しない状況に対する堅牢性を評価するために設計された、双方向のロボットベンチマークであるRoboWitsを紹介する。 このパイプラインを用いて,30種類の種タスクと208のタスクを,幾何学的,物質的,集合的推論にまたがる変異と難易度でキュレートした。 プレトレーニングされたVLAは,単一タスクの微調整後にシードタスクに予備的な成功を示すが,変異タスクの実行に苦慮している。
  論文  参考訳（メタデータ） (2026-05-28T17:57:15Z)
• 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)
• Make-An-Agent: A Generalizable Policy Network Generator with Behavior-Prompted Diffusion [41.52811286996212]
  Make-An-Agentは、行動から政治への生成のための新しいポリシーパラメータジェネレータである。 所望の行動の1つの実演をプロンプトとして、エージェントに対して制御ポリシーを生成する方法を示す。 また,Make-An-Agentによって生成されたポリシーを,ロコモーションタスク上で現実世界のロボットに展開する。
  論文  参考訳（メタデータ） (2024-07-15T17:59:57Z)
• DiffGen: Robot Demonstration Generation via Differentiable Physics Simulation, Differentiable Rendering, and Vision-Language Model [72.66465487508556]
  DiffGenは、微分可能な物理シミュレーション、微分可能なレンダリング、ビジョン言語モデルを統合する新しいフレームワークである。 言語命令の埋め込みとシミュレートされた観察の埋め込みとの距離を最小化することにより、現実的なロボットデモを生成することができる。 実験によると、DiffGenを使えば、人間の努力やトレーニング時間を最小限に抑えて、ロボットデータを効率よく、効果的に生成できる。
  論文  参考訳（メタデータ） (2024-05-12T15:38:17Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)

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。