論文の概要: EmbodiedEvo: Self-Evolving Coding Agent For Physical Intelligence

• arxiv url: http://arxiv.org/abs/2610.18867v2
• Date: Wed, 14 Oct 2026 17:45:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.708724
• Title: EmbodiedEvo: Self-Evolving Coding Agent For Physical Intelligence
• Title（参考訳）: EmbodiedEvo: 物理的インテリジェンスのための自己進化型コーディングエージェント
• Abstract要約: EmbodiedEvoは自己進化型コーディングエージェントで、物理的なフィードバックを再利用可能なコードスキルと診断レッスンに蒸留する。 RoboDojo-Simでは、EmbodiedEvoの平均スコアは44.48で、成功率は37.82%で、公式に確認されたすべての結果を上回っている。
• 参考スコア（独自算出の注目度）: 5.550735065870032
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coding agents can construct executable programs and revise them through feedback, offering a foundation for embodied control without target-task fine-tuning. Through a programmatic robot interface, the agent observes the scene, executes control programs, and adapts them to the resulting physical state, serving as the closed-loop policy. However, this within-episode adaptation does not automatically preserve experience across scenes. Our trajectory analysis shows that agents spend interaction and inference budgets establishing effective operations and identifying their preconditions, while fresh agents cannot reuse these discoveries. This motivates EmbodiedEvo, a self-evolving coding agent that distills physical feedback into reusable code Skills and diagnostic Lessons. Experience is acquired on one Playground scene per task, then frozen for independent agents in unseen scenes, without updating model weights. On RoboDojo-Sim, EmbodiedEvo achieves an average score of 44.48 and a success rate of 37.82\%, surpassing all officially verified results. Paired tests show the largest gains on memory-dependent tasks and successful reuse of coordinated procedures, while fine contact control remains difficult. Experience from stronger models also improves weaker executors: Astra's experience raises Sol and Luna's success rates by 8.86 and 5.50 percentage points over no experience. Compared with raw interaction history, Skills and Lessons achieve comparable task performance at 53.0\% lower execution cost.
• Abstract（参考訳）: コーディングエージェントは、実行可能プログラムを構築し、フィードバックを通じて修正することができる。 プログラムロボットインタフェースを介して、エージェントはシーンを観察し、制御プログラムを実行し、その結果の物理的状態に適応し、クローズドループポリシーとして機能する。 しかし、このエピソード内適応はシーン間の体験を自動的に保存するわけではない。 我々の軌道分析は、エージェントが相互作用と推論の予算を使い、効果的な操作を確立し、事前条件を特定する一方で、新鮮なエージェントはこれらの発見を再利用できないことを示している。 これはEmbodiedEvoを動機付けている。EmbodiedEvoは自己進化型コーディングエージェントで、物理的なフィードバックを再利用可能なコードスキルと診断レッスンに蒸留する。 経験はタスクごとにひとつのPlaygroundシーンで取得され、モデルウェイトを更新することなく、見えないシーンで独立したエージェントに対して凍結される。 RoboDojo-Simでは、EmbodiedEvoの平均スコアは44.48で、成功率は37.82\%で、公式に確認されたすべての結果を上回っている。 ペアリングテストは、メモリ依存タスクの最大の増加と調整手順の再利用を成功させる一方で、微妙な接触制御は難しいままである。 アストラの経験がソルとルナの成功率を8.86と5.50ポイント引き上げる。 生のインタラクション履歴と比較すると、SkillsとLesonsは53.0\%低い実行コストで同等のタスクパフォーマンスを達成する。

関連論文リスト

• VisualCoding: Learning Executable Skills for Reliable Visual Reasoning [0.3441021278275805]
  本稿では,再利用可能なビジュアルプログラムの実行誘導獲得と,適用可能なインプットへの解答の直接適用を併用したVisualCodingを提案する。 Execution-Guided Program Acquisitionは、視覚的プリミティブと追加のコードをファミリーレベルのソルバに構成し、反復的にテストし、ラベル付きトレーニングインスタンスで修正する。 Scope-Aware Direct Executionは、保持されたソルバを実行し、有効なスコープ内応答を返す。
  論文  参考訳（メタデータ） (2026-10-09T23:46:47Z)
• Fly-by-Code: Embodied Coding Agents for Aerial Manipulation with Active Visual and Physical Feedback [63.75302732504381]
  エンボディードコーディングエージェントは、プログラムを生成し、実行フィードバックからそれらを精製することで、ロボットポリシーを構築する。 この改善は、実行フィードバックがタスクが成功したかどうかを明らかにし、失敗した後、プログラムのリビジョンをガイドするのに十分な証拠を提供すると仮定する。 同じフィードバックを再検査しても、収集されていない観察や、利用可能な証拠が区別できない原因を分離することはできません。 アクティブな"View and Probe"フレームワークであるActive Feedback(AF)を紹介します。
  論文  参考訳（メタデータ） (2026-10-08T18:00:00Z)
• EngramBench: A Capability-Grounded Benchmark for Skill-Evolution Harnesses [50.93446596863591]
  EngramBenchは、ソリューションオーバーラップすることなく、厳密なオーバーラップの公理に支配される機能基底ベンチマークである。 人間の専門的検証によって裏付けられた48の複数時間実行軌跡に対する我々の評価は、手続き記憶に関する深い洞察を浮き彫りにしている。 破滅的なトークン重大な試行錯誤からエージェントを遠ざけることで、真の能力抽象化は冗長なコンテキストの肥大を削減し、全体的なコーディング時間を55%以上削減します。
  論文  参考訳（メタデータ） (2026-09-30T08:33:17Z)
• 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)
• EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
  視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。 本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。 共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
  論文  参考訳（メタデータ） (2026-09-01T14:14:47Z)
• S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? [66.17176838165994]
  大規模言語モデル(LLM)は、ますます外部環境と相互作用し、かなりの行動経験を蓄積する。 エージェントがその振る舞いを積極的にテストし、得られた経験を判断し、その経験を使って将来の意思決定を改善することができるかどうかは不明だ。 LLM自己改善評価のための対話型ベンチマークである textbfStextsuperscript3Gym を導入する。
  論文  参考訳（メタデータ） (2026-08-31T17:05:41Z)
• PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
  我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。 セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。 SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。 ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
  論文  参考訳（メタデータ） (2026-07-18T04:46:53Z)

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。