論文の概要: Learning to Compose: Recursive Self-Improvement of Shared Executable Stacks for Zero-Shot Long-Horizon Robot Manipulation

• arxiv url: http://arxiv.org/abs/2610.24464v1
• Date: Sat, 17 Oct 2026 05:10:05 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 12:00:12.140331
• Title: Learning to Compose: Recursive Self-Improvement of Shared Executable Stacks for Zero-Shot Long-Horizon Robot Manipulation
• Title（参考訳）: 合成学習:ゼロショット長軸ロボットマニピュレーションのための共有実行可能なスタックの再帰的自己改善
• Abstract要約: 本稿では、個別のタスクプログラムではなく、共有実行可能スタックを永続的な改善単位として扱うフレームワークであるRecursiaを紹介する。 実験では、LIBERO-Pro Longシミュレーションとフランカハンドを装備した物理的フランカFR3をカバーしている。
• 参考スコア（独自算出の注目度）: 18.726514174367924
• License:
• Abstract: Individually competent robot skills can fail when composed: tools may lack a required capability, completion signals may misrepresent physical progress, and one skill may leave a state that violates its successor's prerequisites. We introduce Recursia, a recursive self-improvement framework that treats the shared executable stack, rather than individual task programs, as the persistent unit of improvement. The stack integrates tools, skills with execution contracts, handoffs, and verifiers. Source-side execution traces guide failure attribution and the generation of missing tools or repairs to existing shared components. Generality checks, mechanism tests, and paired selection and regression gates determine which changes become the next parent. The resulting stack is frozen and reused through declarative task adapters, allowing source-derived changes to support new compositions without target-side code repair. Experiments cover LIBERO-Pro Long simulation and a physical Franka FR3 equipped with a Franka Hand. In simulation, Recursia improves success over ASPIRE by 5.8 percentage points under Pos perturbations and 15.1 points under Task perturbations. Across three physical compositional target tasks, it improves mean success over the Skill Document Only baseline by 40 percentage points. Analyses of constituent execution, candidate rejection, and inference drivers distinguish local mechanism improvements from complete task success and characterize the cost of feedback-conditioned orchestration. These results examine shared executable interfaces as a concrete mechanism for compositional transfer in robot programming.
• Abstract（参考訳）: 個々の能力を持つロボットのスキルは、構成されると失敗することがある: ツールは必要な能力が欠如し、完了信号は物理的進歩を誤って表現し、あるスキルは、その後継者の前提条件に反する状態を離れる。 本稿では、個別のタスクプログラムではなく、共有実行可能スタックを永続的な改善単位として扱う再帰的自己改善フレームワークであるRecursiaを紹介する。 スタックには、ツール、スキル、実行契約、ハンドオフ、検証ツールが組み込まれている。 ソースサイド実行は、障害の帰結と、既存の共有コンポーネントに対するツールや修復の欠如をガイドする。 一般的なチェック、メカニズムテスト、ペア選択と回帰ゲートは、どの変更が次の親になるかを決定する。 生成したスタックは宣言的なタスクアダプタを通じて凍結して再利用されるため、ソースから派生した変更は、ターゲット側のコード修正なしに、新しいコンポジションをサポートすることができる。 実験では、LIBERO-Pro Longシミュレーションとフランカハンドを装備した物理的フランカFR3をカバーしている。 シミュレーションでは、RecursiaはPos摂動の5.8ポイント、タスク摂動の15.1ポイントでASPIREよりも成功率を向上させる。 3つの物理的構成目標タスクに対して、スキルドキュメントのベースラインのみを40パーセント向上させる。 構成的実行、候補拒否、推論ドライバの分析は、局所的なメカニズムの改善と完全なタスクの成功を区別し、フィードバック条件付きオーケストレーションのコストを特徴づける。 ロボットプログラミングにおける構成伝達のための具体的なメカニズムとして,共有可能なインタフェースについて検討した。

関連論文リスト

• EmbodiedEvo: Self-Evolving Coding Agent For Physical Intelligence [5.550735065870032]
  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。
  論文  参考訳（メタデータ） (2026-10-13T17:59:51Z)
• 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)
• RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments [42.934721937370206]
  トップダウンスキルリファインメント(TSR)上に構築されたロボット自己改善システムであるRoboRSIを紹介する。 TSRはタスクを、スコープ化された責務と明示的な入出力契約で複合、アトミック、ベーススキルに分解する。 移動マニピュレータでは、RoboRSIは104発以上の多目的家庭用クリーンアップを開発している。
  論文  参考訳（メタデータ） (2026-10-08T17:55:12Z)
• InterEvolve: Test-Time Evolution of Reward Programs for Humanoid Loco-Manipulation [54.00038257772902]
  ヒューマノイド・ロコ・マニピュレーションの試験時間進化について検討した。 私たちの重要な洞察は、ワイドコントローラが、新しいタスクに必要な能力の多くをすでに持っていることです。 InterEvolveはこのインターフェースを2つのコンポーネントで実現している。
  論文  参考訳（メタデータ） (2026-10-01T17:59:40Z)
• 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)
• From Interaction Traces to Persistent Skills: Online Evolution for Computer-Use Agents [48.50635499112162]
  本稿では,インタラクショントラジェクトリと評価器フィードバックを再利用手順の永続的でバージョン管理されたライブラリに変換するオンラインスキル進化フレームワークを提案する。 我々は、OSWorldの4つのアプリケーションドメインにまたがって、完全に進化するライブラリシステムと、設定にマッチした空のライブラリ制御を比較した。 GIMPでは、プロファイランス・アウェア・アナリティクスにより、タスク・オブ・オリジンの境界を越えた検索とリビジョンが示され、繰り返し受け入れられた編集が元のタスクの回復に失敗する。
  論文  参考訳（メタデータ） (2026-09-04T08:29:45Z)
• SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
  再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。 4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
  論文  参考訳（メタデータ） (2026-09-02T07:31:18Z)
• FLARE: A Failure-Aware Framework for Autonomous Correction and Recovery in Visual-Language Robotic Manipulation [43.89036551517797]
  VLA(Vision-Language-Action Models)は、複雑な長距離ロボット操作タスクへの一般化において、大きな可能性を証明している。 彼らのパフォーマンスは、通常、軌道単調で障害のないデモンストレーションで訓練されるため、不安定なままである。 我々は、リトライとリセットのパラダイムを通じて、堅牢なエラー回復機能を備えたVLAを実現する新しいフレームワークであるFLAREを提案する。
  論文  参考訳（メタデータ） (2026-08-27T05:58:06Z)

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。