論文の概要: LADDER: A Long-Horizon Robot Manipulation Benchmark

• arxiv url: http://arxiv.org/abs/2610.18053v1
• Date: Tue, 13 Oct 2026 09:42:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 07:32:49.396013
• Title: LADDER: A Long-Horizon Robot Manipulation Benchmark
• Title（参考訳）: LADDER: 長距離ロボットマニピュレーションベンチマーク
• Abstract要約: 汎用ロボット操作ポリシーは、短距離のスキルを効果的に学習するが、短距離のタスクでは急速に低下する。 LADDER(Long-Horizon Robot Operations benchmark)は,3つのスイートで同じ環境下で1から10のサブゴールのスケーリングを行う。 低レベルポリシー(VoLo)のテキストサブゴールとツール選択オーケストレーション(CaP-X, GPT-Policy, PSP-Agent, TiPToP)の2つのオーケストレーションパラダイムを評価した。
• 参考スコア（独自算出の注目度）: 54.78144820533299
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: General-purpose robot manipulation policies learn short-horizon skills effectively, but degrade rapidly on long-horizon tasks. Existing benchmarks cannot isolate failures because task horizon is either too short or entangled with scene and object variations. We propose LADDER, a long-horizon robot manipulation benchmark scaling from 1 to 10 subgoals within the same environment over three suites (SimplerEnv-Long, RobotArena-$\infty$-Long, and RoboLab-Long), 145 tasks, eight categories, two embodiments, and 2,024 simulated episodes per system. We evaluate two orchestration paradigms: text subgoals for learned low-level policies (VoLo) and tool selection orchestration (CaP-X, GPT-Policy, PSP-Agent, TiPToP). Given the full instruction directly, low-level policies achieve 85.4% on single-subgoal tasks, but drop to near zero on extended tasks. While orchestration remedies this, it remains bounded by physical execution errors of the low-level policy rather than high-level planning and achieves only ~25%. Tool selection orchestration with GPT-Policy on GPT-6 Astra significantly outperforms learned-policy methods, but incurs significant time and cost budget and succeeds only ~62%. Real-world experiments across two embodiments confirm the collapse of the low-level policy and the gain from orchestration. Project website: https://ladder.insait.ai
• Abstract（参考訳）: 汎用ロボット操作ポリシーは、短距離のスキルを効果的に学習するが、短距離のタスクでは急速に低下する。 既存のベンチマークでは、タスクの水平線が短すぎたり、シーンやオブジェクトのバリエーションに絡まっていたりするため、障害を分離できない。 LADDERは,3つのスイート(SimplerEnv-Long,RobotArena-$\infty$-Long,RoboLab-Long),145のタスク,8つのカテゴリ,2つのエボディメント,2,024のシミュレーションエピソードを含む,同一環境における1から10のサブゴールのスケーリングを行う。 低レベルポリシー(VoLo)のテキストサブゴールとツール選択オーケストレーション(CaP-X, GPT-Policy, PSP-Agent, TiPToP)の2つのオーケストレーションパラダイムを評価した。 完全な命令が与えられれば、単一のサブゴールタスクでは85.4%の低レベルポリシーが達成されるが、拡張タスクではほぼゼロに低下する。 オーケストレーションはそれを修復するが、高レベルの計画よりも低レベルのポリシーの物理的実行エラーに縛られ、25%程度しか達成できない。 GPT-PolicyによるGPT-Policyによるツール選択オーケストレーションは、学習された政治手法を著しく上回っているが、かなりの時間とコストの予算がかかり、わずか62%で成功している。 2つの実施形態にわたる実世界の実験は、低レベルのポリシーの崩壊と、オーケストレーションによる利益を確認します。 プロジェクトウェブサイト https://ladder.insait.ai

関連論文リスト

• An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond [30.63361320122993]
  本研究では,大規模言語モデル(LLM)がタスク固有の微調整を伴わずにロボット操作のポリシーとして機能するかどうかを問う。 42のRoboDojoタスクで3つのLLMを評価し、そのスコアと40の公開ポリシーを比較した。
  論文  参考訳（メタデータ） (2026-09-21T06:39:47Z)
• Act More, Decide Less: Skill-Guided Adaptive Action Chunking for Long-Horizon LLM Agents [50.85250898062218]
  大規模言語モデル(LLM)エージェントは、通常、ReActスタイルのプロトコルに従う。 自然な方法は、エージェントが可変長のアクションチャンクを出力することです。 しかし、こうした政策を標準的な強化学習で素直に訓練することは失敗する。
  論文  参考訳（メタデータ） (2026-09-02T03:17:11Z)
• $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation [51.05516457377339]
  ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。 計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。 低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
  論文  参考訳（メタデータ） (2026-08-17T17:59:11Z)
• Addressing the Orchestration Gap in Generalist Robots via Physical Agency [28.555813508134623]
  汎用ロボットは、認識、世界知識、計画、成功検出、回復、低レベル制御といった行動について推論する必要がある。 本稿では,これらの機能を,一般的な言語条件のポリシ/コントロールエージェントと,ハイレベルなエージェントマネージャ/オーケストレータに分解可能であることを示す。 事前学習を通じて推論を行うためのポリシをトレーニングするのではなく、高レベルの計画を行うことができるクローズドループ物理エージェントオーケストレータを構築し、目標を達成可能なサブゴールに分解し、低レベルのモーターコマンドを指令し、低レベルの観測結果を追跡し検証し、失敗から回復する。
  論文  参考訳（メタデータ） (2026-07-23T18:18:32Z)
• Sequential Planning via Anchored Robotic Keypoints [3.176338968032152]
  トレーニング不要なニューロシンボリック操作システムであるSPARK(Anchored Robotic Keypoints, SPARK)について述べる。 単一のGeminiコールは、構成可能なキネマティックプリミティブの型付き振舞いツリー(BT)としてプランを構成する。 2つ目のGeminiコールでは、オブジェクトごとに3つの代替テキストプロンプトが提案され、SAM3がそれぞれを評価します。 代替のプロンプトは、空間スイートに+27.7、オブジェクトスイートに+10.0、全体のリカバリループに+5.0を加算する。
  論文  参考訳（メタデータ） (2026-06-29T17:48:01Z)
• FLaRe: Achieving Masterful and Adaptive Robot Policies with Large-Scale Reinforcement Learning Fine-Tuning [74.25049012472502]
  FLaReは、堅牢な事前訓練された表現、大規模なトレーニング、勾配安定化技術を統合する大規模な強化学習フレームワークである。 提案手法は,タスク完了に向けた事前訓練されたポリシーを整列し,これまで実証され,全く新しいタスクや実施状況において,最先端(SoTA)のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-09-25T03:15:17Z)
• Plan-Seq-Learn: Language Model Guided RL for Solving Long Horizon Robotics Tasks [50.27313829438866]
  Plan-Seq-Learn (PSL) は、抽象言語と学習した低レベル制御の間のギャップを埋めるためにモーションプランニングを使用するモジュラーアプローチである。 PSLは85%以上の成功率、言語ベース、古典的、エンドツーエンドのアプローチを達成している。
  論文  参考訳（メタデータ） (2024-05-02T17:59:31Z)
• Guided Imitation of Task and Motion Planning [9.072286070266092]
  我々は,タスクと行動計画の成果を模倣する政策を訓練する。 これにより、感覚データから多段階のタスクを達成できるフィードフォワードポリシが生成される。 7-DoF関節制御によるロボット操作タスクでは、部分的に訓練されたポリシーにより、計画に必要な時間を最大2.6倍に短縮する。
  論文  参考訳（メタデータ） (2021-12-06T22:22:37Z)

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。