論文の概要: CoEvolve: Self-Evolving Code Policies from Skills to Strategies for Humanoid Robots

• arxiv url: http://arxiv.org/abs/2610.23288v2
• Date: Mon, 19 Oct 2026 02:41:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:32:45.332368
• Title: CoEvolve: Self-Evolving Code Policies from Skills to Strategies for Humanoid Robots
• Title（参考訳）: CoEvolve:ヒューマノイドロボットのスキルから戦略への自己進化型コードポリシー
• Abstract要約: 固定ロボットモータ技術上でのチームコーディネートを実行可能なコードとして表現するフレームワークであるCoEvolveについて述べる。 本研究では,CoEvolveを2つの擬似ユニトリーG1ヒューマノイドを用いて,制約された廊下を通る自由支持剛体ペイロードを輸送する評価を行った。
• 参考スコア（独自算出の注目度）: 34.040325851825465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in Vision-Language-Action (VLA) models and World Action Models (WAMs) have expanded the manipulation and whole body capabilities of individual robots. Yet a single robot remains limited by its embodiment, and many real world tasks require capabilities that can only emerge through cooperation. Existing multi robot frameworks largely emphasize task decomposition, allocation, and replanning, while providing limited support for adapting executable coordination when physical execution deviates from the intended behavior. We present CoEvolve, a framework that represents team coordination as executable code over fixed robot motor skills. CoEvolve introduces Verifier Guided Coordination Evolution, where a multimodal foundation model instantiates coordination strategies through motion primitives, semantic objectives, temporary robot roles, and bounded execution parameters. Physical verification evaluates each executed transition, rejected behaviors trigger structured coordination revision from an accepted checkpoint, and verified experience is retained to guide subsequent decisions. We evaluate CoEvolve with two simulated Unitree G1 humanoids transporting a freely supported rigid payload through constrained corridors. Across 15 base task runs with three multimodal backbone families, CoEvolve completes 8 tasks, with every backbone achieving end to end success. Additional evaluations yield verified placement on two additional corridor layouts and after both same-backbone and cross-backbone experience initialization, while exposing persistent limitations in motion precision and contact stability. These results support executable coordination as a practical interface for adapting long horizon multi robot collaboration under shared physical constraints.
• Abstract（参考訳）: 近年のVLA(Vision-Language-Action)モデルとWAM(World Action Models)の進歩は、個々のロボットの操作と全身能力を拡張している。 しかし、一つのロボットはその具体化によって制限され続けており、多くの現実世界のタスクは協力によってのみ実現できる能力を必要としている。 既存のマルチロボットフレームワークは、タスクの分解、割り当て、再計画に重点を置いている。 固定ロボットモータ技術上でのチームコーディネートを実行可能なコードとして表現するフレームワークであるCoEvolveについて述べる。 CoEvolveはVerifier Guided Coordination Evolutionを導入し、マルチモーダル基盤モデルは、モーションプリミティブ、セマンティックな目的、一時的なロボットロール、バウンダリされた実行パラメータを通じて協調戦略をインスタンス化する。 身体的検証は、実行された各遷移を評価し、拒否された動作は、承認されたチェックポイントから構造化された調整をトリガーし、検証された経験は、その後の決定を導くために保持される。 本研究では,CoEvolveを2つの擬似ユニトリーG1ヒューマノイドを用いて,制約された廊下を通る自由支持剛体ペイロードを輸送する評価を行った。 15のベースタスクは3つのマルチモーダルバックボーンファミリで実行され、CoEvolveは8タスクを完了し、すべてのバックボーンがエンドツーエンドの成功を達成する。 追加評価により、2つの追加の回廊配置と、同じバックボーンとクロスバックボーンの経験の初期化後において、動き精度と接触安定性の持続的制限を露呈する。 これらの結果は,共有された物理的制約下での複数ロボットの長期的協調を実現するための実用的なインタフェースとして,実行可能コーディネートを支援する。

関連論文リスト

• VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
  Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。 まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。 第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
  論文  参考訳（メタデータ） (2026-06-08T09:52:55Z)
• Continual Quadruped Robots Coordination via Semantic Skill Discovery [17.82598716904032]
  マルチクワッドループ調整は、ペイロード容量の増強、コンタクト範囲の拡大、課題への適応性の向上などにより、注目を集めている。 既存のマルチクワッドループ操作の方法は、通常、事前に定義されたタスクファミリやクローズドタスクファミリにフォーカスする。 本稿では,検索・適応・更新プロセスとして連続的な多重四分法協調を定式化するセマンティック・スキル・ライブラリー・フレームワークであるConquerを提案する。
  論文  参考訳（メタデータ） (2026-06-06T11:07:13Z)
• Higher Order Reasoning for Collaborative Communicationless Mobile Robot Operations [4.239775815863115]
  コミュニケーションのない環境では、多くの協調戦略が想定する一定の情報交換がなければ、マルチロボットシステムは動作しなければなりません。 本稿では,ロボット間の高次推論による暗黙的な協調と長期水平計画を可能にする,新しい動的疫学計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-21T02:22:09Z)
• Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
  textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。 Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。 我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
  論文  参考訳（メタデータ） (2026-05-11T06:26:58Z)
• SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
  制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。 スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。 実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-20T17:46:20Z)
• DeCoNav: Dialog enhanced Long-Horizon Collaborative Vision-Language Navigation [51.978605314711835]
  ロングホライゾン協調視覚言語ナビゲーション(Long-Horizon collaborative vision- language navigation, VLN)は、マルチロボットシステムにおいて、単一のエージェントの能力を超える複雑なタスクを達成するために重要である。 ダイアログを改良したLong-Horizon Collaborative Vision-Language Navigation (DeCoNav)を提案する。 DeCoNavは、イベントトリガーされた対話と動的タスク割り当てとリアルタイム適応調整のための再計画を結合する分散フレームワークである。
  論文  参考訳（メタデータ） (2026-04-14T09:11:55Z)
• TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size [54.0714652192002]
  物理に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げた。 我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。
  論文  参考訳（メタデータ） (2026-03-09T05:52:13Z)
• Efficient and Compliant Control Framework for Versatile Human-Humanoid Collaborative Transportation [2.4087148947930634]
  本稿では,ヒューマノイドロボットが人間のパートナーと共同で移動作業を行うための制御フレームワークを提案する。 このフレームワークは翻訳運動と回転運動の両方をサポートしており、これは同時輸送のシナリオの基本である。 高レベルプランナー、低レベルコントローラ、剛性調節機構の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-12-08T18:52:10Z)

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。