論文の概要: SEAR: Self-Evolving Agentic Robotics

• arxiv url: http://arxiv.org/abs/2610.18792v1
• Date: Tue, 13 Oct 2026 17:40:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.695718
• Title: SEAR: Self-Evolving Agentic Robotics
• Title（参考訳）: SEAR: 自己進化型エージェントロボティクス
• Abstract要約: SEAR(Self-Evolving Agentic Robotics)は,2つの質問に基づいて構築されたフレームワークとベンチマークである。 エージェントは本当に学習しているのか、それとも、もっと頻繁に試すのか?そして、新しいタスク、新しいシミュレーター、そして本物のロボットで、その学習が役立つのか? フレームワークはエージェントを3つのモードで実行する: ポリシー(コード・アズ・ポリティクス)となるコードを書き、コントロールループ(エージェント・アズ・ポリティシー)に生きるか、あるいは視覚言語アクションモデル(自動検索)を微調整する研究者として働く。
• 参考スコア（独自算出の注目度）: 23.247349010987023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Frontier language-model agents can now improve robots on their own: they write control code, test it, and keep what works as skills and memories for the next task. We introduce SEAR (Self-Evolving Agentic Robotics), a framework and benchmark built around two questions. Is the agent really learning, or just trying more often? And does what it learns still help on new tasks, in a new simulator, and on a real robot? The framework runs an agent in three modes: it writes code that becomes the policy (code-as-policy), acts live in the control loop (agent-as-policy), or works as a researcher that fine-tunes a vision-language-action model (auto-research). The benchmark adds controls that separate retained experience from repeated attempts, familiar tasks, privileged simulator state, larger budgets, and luck. Across seven frontier language models, 330 simulated and five physical tasks, and over four years of agent runtime, we highlight three findings. First, the learning curve of a robotic agent depends both on the overall time budget and the task difficulty relative to model capability. Harder tasks make longer sessions worthwhile; on easier tasks, re-rolling short attempts does just as well. Second, control code and shared routines transfer across tasks and simulators, while task-specific solutions do not. On a real robot, we observe a performance gap between agent-designed practice and novel human-designed scenes. Third, different models evolve more effectively in different ways. Some do best acting live, others writing code first. And a text-only model keeps pace with a comparable multimodal one: perception helps with error assessment, but agentic reasoning and tool use can matter more. We release the benchmark and codebase to support future research.
• Abstract（参考訳）: 最前線の言語モデルエージェントは、制御コードを書き、テストし、次のタスクのスキルや記憶として機能するものを維持することで、ロボットを単独で改善することができる。 SEAR(Self-Evolving Agentic Robotics)は,2つの質問に基づいて構築されたフレームワークとベンチマークである。 エージェントは本当に学んでいるのか、それとももっと頻繁に試しているだけなのか? そして、それが学んだことは、新しいタスク、新しいシミュレーター、そして本物のロボットの助けになるのだろうか? フレームワークは3つのモードでエージェントを実行する: ポリシー(コード・アズ・ポリティクス)となるコードを書き、コントロールループ(エージェント・アズ・ポリティシー)に生きるか、あるいは視覚言語アクションモデル(自動検索)を微調整する研究者として働く。 ベンチマークでは、繰り返しの試み、慣れ親しんだタスク、特権化されたシミュレータ状態、より大きな予算、幸運から継続したエクスペリエンスを分離するコントロールが追加されている。 7つのフロンティア言語モデル,330のシミュレート,5つの物理タスク,および4年以上のエージェントランタイムにおいて,3つの結果が明らかになった。 まず、ロボットエージェントの学習曲線は、全体の時間予算と、モデル能力に対するタスク困難の両方に依存する。 より難しいタスクは、より長いセッションに価値がある。 第二に、制御コードと共有ルーチンはタスクやシミュレータ間で転送されるが、タスク固有のソリューションはそうではない。 実ロボット上では,エージェント設計の実践と人間設計の新たなシーンとの間のパフォーマンスギャップを観察する。 第3に、異なるモデルが異なる方法でより効果的に進化する。 ライブで最善を尽くすものもあれば、最初にコードを書くものもある。 そして、テキストのみのモデルは、同等のマルチモーダルモデルとペースを保ちます。 将来の研究をサポートするために、ベンチマークとコードベースをリリースします。

関連論文リスト

• Make Code as Policy Great Again: Frontier Agents Write, Call, and Evolve Robot Tools [15.969252442943345]
  URAI(Universal Robot-Agent Interface)は、ロボットツールを構築するプログラミングエージェントと、それらをフィードバックループで使用する実行エージェントを結合する。 我々は,現実世界の7つのAgileXデュアルアームタスク,オブジェクト操作,布の折り畳み,人と対話するtic-tac-toeについて,URAIを評価した。
  論文  参考訳（メタデータ） (2026-09-30T05:23:25Z)
• Generalizing Manipulation Skills with a Local Coding Agent [0.47598237350828443]
  我々は、ローカルなオープンウェイトVLMであるQwen3.8-27Bを、コーディングエージェントハーネスからUR3eロボットアームを駆動させる。 キネマティクス、安全限度、古典的なコンピュータビジョン技術を実装したサービスの上に独自のコードを書き、実行する。 我々は,タスクの複雑さに応じて,3.4～67.5分間の期間で45回中30回にのぼる一般化を観察した。
  論文  参考訳（メタデータ） (2026-09-22T14:32:17Z)
• Playful Agentic Robot Learning [108.08954330298549]
  本研究では,実演型プログラミングエージェントが,下流のタスクが到着する前に,連続的なスキル学習段階として自己指導型プレイを使用する,遊び型エージェントロボット学習について検討する。 RATは、新しい学習可能な探索タスク、ロボットコードポリシーの計画と実行、中間的な進捗の検証、失敗の診断、密集したステップレベルのフィードバックによる検索、そして成功した実行を永続的なコードスキルライブラリに蒸留することを提案する。
  論文  参考訳（メタデータ） (2026-06-17T17:55:23Z)
• AgentArk: Distilling Multi-Agent Intelligence into a Single LLM Agent [57.10083973844841]
  AgentArkは、マルチエージェントダイナミクスを単一のモデルの重みに蒸留する新しいフレームワークである。 各種モデル,タスク,スケーリング,シナリオの3つの階層的蒸留戦略について検討する。 シミュレーションからトレーニングへ計算の負担をシフトさせることで、蒸留されたモデルは、複数のエージェントの強い推論と自己補正性能を示しながら、一つのエージェントの効率を保ちます。
  論文  参考訳（メタデータ） (2026-02-03T19:18:28Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• SIME: Enhancing Policy Self-Improvement with Modal-level Exploration [49.86173021151849]
  自己改善を成功させる鍵は、モーダルレベルの探索とデータ選択である。 ポリシー実行中にモーダルレベルの探索機構を組み込むことで、ロボットはより多様なマルチモーダルインタラクションを生成できる。 シミュレーションベンチマークと実世界実験の両方において,効果的なロボット自己改善の実証に成功した。
  論文  参考訳（メタデータ） (2025-05-02T17:13:03Z)
• RoboCat: A Self-Improving Generalist Agent for Robotic Manipulation [33.10577695383743]
  ロボット操作のためのマルチタスク汎用エージェントRoboCatを提案する。 このデータは、シミュレートされた本物のロボットアームから、さまざまな観察とアクションのセットでモーターコントロールスキルの大規模なレパートリーにまたがる。 RoboCatでは、ゼロショットだけでなく、100-1000例のみを用いて適応することで、新しいタスクやロボットに一般化する能力を実証する。
  論文  参考訳（メタデータ） (2023-06-20T17:35:20Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• VIMA: General Robot Manipulation with Multimodal Prompts [82.01214865117637]
  ロボット操作タスクの幅広い範囲をマルチモーダルプロンプトで表現できることを示す。 我々は,数千の手続き的に生成されたテーブルトップタスクからなる新しいシミュレーションベンチマークを開発した。 我々は、これらのプロンプトを処理し、自動回帰的に運動動作を出力するトランスフォーマーベースのロボットエージェントVIMAを設計する。
  論文  参考訳（メタデータ） (2022-10-06T17:50:11Z)
• Transformers for One-Shot Visual Imitation [28.69615089950047]
  人間は、意図を推測し、過去の経験を使って同じ目的を達成することで、他人をシームレスに模倣することができる。 ロボット模倣学習の以前の研究は、専門家の人間のオペレーターから多様なスキルを習得できるエージェントを作成した。 本稿では,ロボットが過去の経験を生かして,これらの領域のギャップを部分的に埋めることのできる手法について検討する。
  論文  参考訳（メタデータ） (2020-11-11T18:41:07Z)

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。