論文の概要: CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance

• arxiv url: http://arxiv.org/abs/2610.21453v1
• Date: Thu, 15 Oct 2026 07:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.271891
• Title: CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance
• Title（参考訳）: CarryOn: パーソナライズされた信頼性の高いロボット支援のためのデュアルループハーネス
• Abstract要約: 凍結VLAポリシーを強化するために設計されたデュアルループハーネスであるCarryOnを提案する。 計画ループは、持続的なユーザレベルとシーンレベルのコンテキストを維持し、新しい観察に対して継続的に基礎を置いている。 実行が失敗すると、システムは再利用可能な制御ベースのリカバリスキルを起動し、タスクの進捗を回復し、以前の障害に対するリフレクションによって洗練される。
• 参考スコア（独自算出の注目度）: 81.4342222387133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While generalist vision-language-action (VLA) models have enabled diverse open-world manipulation, real-world robotic assistance requires two critical capabilities they currently lack: personalization and reliable execution. First, executing an instruction like "make me a sandwich" requires grounding subtask decomposition in persistent user preferences rather than relying on a single generic solution. Second, reliable deployment demands explainable safety assurance that proactively prevents hazards and gracefully recovers from occasional physical failures. To address these gaps, we present CarryOn, a dual-loop harness designed to augment a frozen VLA policy. The planning loop maintains persistent user-level and scene-level context that is continually grounded against new observations and revised through interaction, enabling personalized task selection and execution grounding across conversations and changing scenes. The execution loop actively supervises policy rollouts, shielding actions from predicted hazardous contact. When execution fails, the system invokes reusable control-based recovery skills that restore task progress and are refined through reflection on earlier failures. On a real robot and in simulation, CarryOn dispatches preference-consistent subtasks across users and scenes, reduces the violation rate of an already safety-finetuned VLA from 52.6% to 6.1%, and increases recovery success from 13% to 80% when refined skills are reused.
• Abstract（参考訳）: 汎用視覚言語アクション(VLA)モデルは多様なオープンワールド操作を可能にする一方で、現実のロボット支援には、パーソナライゼーションと信頼性のある実行という2つの重要な機能が必要である。 まず、"Make me a sandwich"のような命令を実行するには、単一のジェネリックソリューションに頼るのではなく、永続的なユーザー好みでサブタスクを分解する必要がある。 第2に、信頼性の高いデプロイメントでは、危険を積極的に防止し、時折の物理的障害から優雅に回復する、説明可能な安全保証が要求される。 これらのギャップに対処するために、凍結VLAポリシーを強化するために設計されたデュアルループハーネスであるCarryOnを提案する。 計画ループは、持続的なユーザレベルとシーンレベルのコンテキストを維持し、新しい観察結果に対して継続的に基礎を置き、対話を通じて改訂される。 実行ループはポリシーのロールアウトを積極的に監視し、予測された危険接触からのアクションを遮蔽する。 実行が失敗すると、システムは再利用可能な制御ベースのリカバリスキルを起動し、タスクの進捗を回復し、以前の障害に対するリフレクションによって洗練される。 実際のロボットとシミュレーションにおいて、CarryOnはユーザーやシーン間で好みの一貫性のあるサブタスクをディスパッチし、既に安全に調整されたVLAの違反率を52.6%から6.1%に下げ、洗練されたスキルが再利用された場合、回復の成功率は13%から80%に向上する。

関連論文リスト

• RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
  本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
  論文  参考訳（メタデータ） (2026-10-08T15:49:03Z)
• MobiAgent: Dual-Loop Recursive Policy Self-Improvement for Long-Horizon Mobile Manipulation [40.806829782077166]
  MobiAgentは、ロバストなデプロイメント実行とポリシーの自己改善を橋渡しする。 Outer Loopは、自動セグメント化とデプロイメントのロールアウト検証によって、ライフサイクル学習を自動化する。 BEHAVIOR-1Kで$_0.5$-TAを22.5ポイント上回り、実行障害からの堅牢な回復を可能にする。
  論文  参考訳（メタデータ） (2026-10-02T15:48:23Z)
• 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)
• Imagining Recovery: Inference-Time Counterfactual Realignment for Vision-Language-Action Models [10.832654624297135]
  視覚言語アクション(VLA)モデルは、オンラインのディスラプションに対して脆弱である。 我々は,凍結したVLAを故障データなしで推論時に復元する,トレーニング不要なフレームワークであるCoReを提案する。
  論文  参考訳（メタデータ） (2026-08-14T18:49:46Z)
• VLESA: Vision-Language Embodied Safety Agent for Human Activity Monitoring [60.53395558502203]
  Vision-Language Embodied Safety Agent (VLESA)は、自我中心のビデオから人間の活動を監視する。 VLESAは、コンテキストに応じて同一のアクションが安全または危険である意図に依存した安全性に対処する。 目標を共同で推測し,映像から将来の行動を予測するための意図-行動予測エージェントを提案する。
  論文  参考訳（メタデータ） (2026-06-02T17:42:17Z)
• RePO-VLA: Recovery-Driven Policy Optimization for Vision-Language-Action Models [90.39703013636868]
  RePO-VLAは、リカバリ駆動のポリシー最適化フレームワークである。 成功、回復、失敗の軌跡に異なる役割を割り当てる。 対人的な成功は、平均で20%から75%、実世界の規模で80%まで上昇する。
  論文  参考訳（メタデータ） (2026-05-10T08:24:05Z)
• CORA: Conformal Risk-Controlled Agents for Safeguarded Mobile GUI Automation [68.53387633351484]
  有害な行為に対する統計的保証を提供するポスト・ポリティクス・プレアクション保護フレームワークであるCORA(Conformal Risk-control GUI Agent)を提案する。 CORAは、安全を選択的行動実行として再定義する:我々は、提案されたステップごとに行動条件リスクを推定するためにガーディアンモデルを訓練する。 このパラダイムを厳格に評価するために、ステップレベルのハーモラベルを持つモバイル安全違反の新しいベンチマークであるPhone-Harmを紹介する。
  論文  参考訳（メタデータ） (2026-04-10T09:41:21Z)
• RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks [28.827331437876452]
  データ収集、ポリシー学習、タスク実行を単一のVLM駆動コントローラで統合するエージェントロボットフレームワークであるRoboClawを提案する。 ポリシーレベルでは、RoboClaw氏はEntangled Action Pairs(EAP)を紹介している。 デプロイ中、同じエージェントが高レベルの推論を行い、学習されたポリシープリミティブを動的にオーケストレーションして長期のタスクを遂行する。
  論文  参考訳（メタデータ） (2026-03-12T05:22:59Z)

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。