論文の概要: ChunkAct: Action Chunking for Agentic Robotics

• arxiv url: http://arxiv.org/abs/2610.18874v1
• Date: Tue, 13 Oct 2026 17:59:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.722363
• Title: ChunkAct: Action Chunking for Agentic Robotics
• Title（参考訳）: ChunkAct:エージェントロボティクスのためのアクションチャンキング
• Abstract要約: エージェントロボットにアクションチャンキングを導入するChunkActについて紹介する。 オンラインでは、1回の呼び出しで一連の連鎖プリミティブが起動され、自律的に実行され、障害時にのみ制御が返される。 ChunkActはこれらのチャンクにメモリをコンパイルするので、実行はテスト時にメモリフリーになり、プランナーは推論を必要とする決定のために予約される。
• 参考スコア（独自算出の注目度）: 23.846592881568185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic robotics places a large language model (LLM) agent in the robot control loop, where it composes perception, motion, and vision-language-action (VLA) tools under the guidance of a memory and thereby generalizes to new tasks without retraining. This generality comes at a steep price in efficiency. Every primitive requires a round of LLM reasoning over the full interaction history, so the cost of an episode grows with the number of primitives. We find this reasoning largely redundant: once a sub-goal is chosen, its primitives follow a routine already prescribed by memory. We present ChunkAct, which introduces action chunking to agentic robotics. Online, a single call launches a chunk of chained primitives, which executes autonomously and returns control only upon failure. Offline, ChunkAct compiles the memory into these chunks, so execution is memory-free at test time and the planner is reserved for decisions that require reasoning. LLM computation therefore scales with the number of decisions rather than the number of primitives. On LIBERO-Pro, ChunkAct improves task success by 5.0 points over the state of the art in agentic robotics while requiring 2.9x fewer LLM calls, 4.4x fewer input tokens, and 2.3x fewer output tokens.
• Abstract（参考訳）: エージェントロボットは、大きな言語モデル(LLM)エージェントをロボット制御ループに配置し、記憶の誘導の下で知覚、動き、視覚言語アクション(VLA)ツールを構成する。 この一般化は、効率の急激な価格になる。 あらゆるプリミティブは、完全なインタラクション履歴を推論するLLMのラウンドを必要とするため、エピソードのコストはプリミティブの数とともに増加する。 サブゴールが選択されると、プリミティブはすでにメモリによって規定されているルーチンに従っています。 エージェントロボットにアクションチャンキングを導入するChunkActについて紹介する。 オンラインでは、1回の呼び出しで一連の連鎖プリミティブが起動され、自律的に実行され、障害時にのみ制御が返される。 オフラインでは、ChunkActはこれらのチャンクにメモリをコンパイルするので、実行はテスト時にメモリフリーになり、プランナーは推論を必要とする決定のために予約される。 したがって、LLM計算はプリミティブの数ではなく、決定の回数でスケールする。 LIBERO-Proでは、ChunkActは2.9倍のLCM呼び出し、4.4倍の入力トークン、2.3倍の出力トークンを必要としながら、エージェントロボティクスの最先端技術よりもタスク成功率を5.0ポイント向上させる。

関連論文リスト

• Declarative Reactive Robot Behaviors from Imperative Language Models [46.081442910119385]
  大規模言語モデル(LLM)は命令型プログラミング言語で主に訓練されている。 LLMをベースとしたプログラミングエージェントは,ロボットの動作に対して,正確な宣言的かつ反応的なプログラムを生成することができることを示す。
  論文  参考訳（メタデータ） (2026-10-12T16:46:41Z)
• $R^3$: Training Robots to Reason in Natural Language via Reinforcement Learning [28.431445530745]
  R3$は、市販のVLMをロボット推論器に変えるシンプルなポストトレーニングレシピだ。 R3$は、テスト時のアクションガイダンスを生成するために、自由形式の言語推論を訓練する。 分析の結果,自由形式の言語推論は低レベルポリシーを操るテストタイム計算機構として機能することが示唆された。
  論文  参考訳（メタデータ） (2026-08-26T17:25:10Z)
• MEM: Multi-Scale Embodied Memory for Vision Language Action Models [73.3883864595845]
  本稿では,マルチスケール・エンボダイドメモリ(MEM)について紹介する。 MEMはビデオベースの短水平メモリをビデオエンコーダで圧縮し、テキストベースの長水平メモリと組み合わせている。 MEMは、キッチンを掃除したり、チーズサンドイッチを焼いたりして、最大15分間のタスクをロボットが実行できるようにする。
  論文  参考訳（メタデータ） (2026-03-04T00:03:02Z)
• NovaPlan: Zero-Shot Long-Horizon Manipulation via Closed-Loop Video Language Planning [36.20611975009607]
  クローズドループVLMとビデオプランニングを統合した階層型フレームワークであるNovaPlanを紹介する。 高いレベルでは、VLMプランナーはタスクをサブゴールに分解し、クローズドループでロボットの実行を監視する。 低レベルのロボット動作を計算するために,タスク関連オブジェクトキーポイントと人手ポーズの両方を抽出し,活用する。
  論文  参考訳（メタデータ） (2026-02-23T18:35:18Z)
• Coarse-to-fine Q-Network with Action Sequence for Data-Efficient Robot Learning [62.3886343725955]
  本稿では,行動列上のQ値を出力する批判ネットワークを学習する,新しい値に基づく強化学習アルゴリズムを提案する。 実験により、CQN-ASは、様々なスパース逆ヒューマノイド制御およびテーブルトップ操作タスクにおいて、いくつかのベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-19T01:23:52Z)
• DeeR-VLA: Dynamic Inference of Multimodal Large Language Models for Efficient Robot Execution [114.61347672265076]
  実世界のロボットのためのMLLMの開発は、ロボットプラットフォームで利用可能な計算能力とメモリ容量が典型的に限られているため、難しい。 活性化MLLMのサイズを自動的に調整するロボットビジョンランゲージ・アクション・モデル(DeeR)の動的早期実行フレームワークを提案する。 DeeR は LLM の計算コストを 5.2-6.5x に削減し、GPU のメモリを 2-6x に削減した。
  論文  参考訳（メタデータ） (2024-11-04T18:26:08Z)
• MMRo: Are Multimodal LLMs Eligible as the Brain for In-Home Robotics? [33.573056018368504]
  本研究では,Multimodal LLM for Robotic (MMRo)ベンチマークを評価するための最初のベンチマークを紹介する。 我々は、MLLMがロボットの中央処理ユニットとして持つべき4つの重要な能力知覚、タスク計画、視覚的推論、安全性の測定を識別する。 以上の結果から,現在のMLLMはロボットの認知コアとして機能するほど信頼できないことが示唆された。
  論文  参考訳（メタデータ） (2024-06-28T07:09:06Z)
• LLM as A Robotic Brain: Unifying Egocentric Memory and Control [77.0899374628474]
  Embodied AIは、物理的または仮想的なエンボディメント(つまりロボット)を持つインテリジェントシステムの研究と開発に焦点を当てている。 メモリとコントロールは、具体化されたシステムの2つの不可欠な部分であり、通常、それぞれをモデル化するために別々のフレームワークを必要とします。 ロボット脳として大規模言語モデルを用いて,エゴセントリックな記憶と制御を統一するLLM-Brainという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-19T00:08:48Z)

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。