論文の概要: Frontier LLMs Enter the World of Robotics: A Cross-Model Evaluation on RoboColiseum

• arxiv url: http://arxiv.org/abs/2610.27865v1
• Date: Tue, 20 Oct 2026 08:46:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.723517
• Title: Frontier LLMs Enter the World of Robotics: A Cross-Model Evaluation on RoboColiseum
• Title（参考訳）: Frontier LLMsがロボティクスの世界に参入:ロボコロシアムのクロスモデル評価
• Abstract要約: Instruction following, spatial Reasoning, General Manipulation, Robustness の4トラックにわたるRoboColiseumの多次元比較評価を行った。 我々は,GPT-6 Astra, GPT-6.1 Sol, Claude Opus 5.5, Gemini 4 Argonを共有観察, アクション実行, フィードバックインターフェースを通じて評価環境に統合する制御ハーネスであるAgent2Actを実装した。
• 参考スコア（独自算出の注目度）: 12.806687661831381
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent studies have explored the potential of multimodal large language models for robot control, yet the models' embodied capabilities remain insufficiently characterized across models, tasks, and execution settings. We conduct a multidimensional comparative evaluation on RoboColiseum across four tracks: Instruction Following, Spatial Reasoning, General Manipulation, and Robustness. We implement Agent2Act, a control harness that integrates GPT-6 Astra, GPT-6.1 Sol, Claude Opus 5.5, and Gemini 4 Argon into the evaluation environment through shared observation, action execution, and feedback interfaces. Under common task settings and scoring criteria, all four models exhibit a consistent capability profile: high instruction-following scores, with three approaching perfect performance; strong spatial reasoning; and general manipulation scores below those of the other three tracks. Within the evaluated configurations, Astra leads instruction following and robustness, while Opus leads spatial reasoning, general manipulation, and overall performance. These results reveal complementary strengths across models and a persistent gap between task understanding and reliable physical execution. Component comparisons on selected tasks further show that harness design affects task success, planning cost, and execution time. Additionally, case studies with Astra examine whole-body coordination, manipulation across robot embodiments, precision manipulation, dexterous-hand manipulation, and real-robot tasks, providing further insight into the model's capabilities and limitations across embodied tasks.
• Abstract（参考訳）: 近年の研究では、ロボット制御のためのマルチモーダルな大規模言語モデルの可能性について検討されているが、モデルの具体的能力はモデル、タスク、実行設定において不十分な特性を保っている。 Instruction following, spatial Reasoning, General Manipulation, Robustness の4トラックにわたるRoboColiseumの多次元比較評価を行った。 我々は,GPT-6 Astra, GPT-6.1 Sol, Claude Opus 5.5, Gemini 4 Argonを共有観察, アクション実行, フィードバックインターフェースを通じて評価環境に統合する制御ハーネスであるAgent2Actを実装した。 一般的なタスク設定と評価基準の下では、全ての4つのモデルは、高い命令追従スコア、3つの完璧なパフォーマンス、強い空間的推論、他の3つのトラックよりも低い一般的な操作スコアという、一貫した能力プロファイルを示す。 評価された構成の中では、Astraは命令の追従と堅牢性、Opusは空間的推論、一般的な操作、全体的なパフォーマンスをリードする。 これらの結果から、モデル間の相補的な強みと、タスク理解と信頼性のある物理的実行の間に持続的なギャップが明らかとなった。 選択したタスクのコンポーネント比較は、設計がタスクの成功、計画コスト、実行時間に影響を与えることを示している。 さらに、Astraでのケーススタディでは、全身のコーディネーション、ロボットのエンボディメント間の操作、精密な操作、器用な手操作、実ロボットのタスクなどを調べ、エンボディされたタスク全体にわたるモデルの能力と制限についてさらなる洞察を提供する。

関連論文リスト

• Large Multimodal Models for Direct Robot Control: GPT-6 as a Beginning [71.88401072770884]
  本稿では,軽量エージェント実行フレームワークを用いた閉ループロボット操作のためのGPT-6 Astraを体系的に評価する。 まず,3つの基本的具現化能力,深度知覚,文脈内学習,触覚理解を探索する。 次に、GPT-6 Astraを、6つの機能ディメンジョンに沿って、確立された5つのベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-10-20T14:15:04Z)
• RobotWorld: Benchmarking Multimodal Agents for Robot Use Across Diverse Tasks and Embodiments [91.39996227368]
  汎用エージェントはますます、コードを書き、ツールを使い、複雑なデジタルタスクを完遂し、これらの能力が物理的な世界にどこまで浸透するかという疑問を提起している。 ロボットのインタフェースを通じて、指示や観察を物理的タスクの実行に変換するという、ロボット利用のための挑戦的なシミュレーションテストベッドであるRobotWorldを紹介した。 タスク結果と実行トレースを分析して、転送する機能と、信頼性の高い完了を防ぐギャップの両方を識別する。
  論文  参考訳（メタデータ） (2026-10-07T16:55:24Z)
• Are Frontier VLM Agents Ready to Be Robot Generalists? An Empirical Study with the Embodied Agent Arena [52.33857619195848]
  本研究では,空洞型エージェントArenaを導入し,幾何学,空間推論,アフォーダンス,タスクプランニング,マニピュレーションにまたがる7つのVLMエージェントを評価する。 精度推定におけるアストラの強みと使用可能な接触局所化は、トレースにおける終端誤差と低い家庭用タスク完了において共存する。
  論文  参考訳（メタデータ） (2026-10-01T00:14:50Z)
• RoboGene: Boosting VLA Pre-training via Diversity-Driven Agentic Framework for Real-World Task Generation [37.52152452548065]
  RoboGeneは多様な物理的に可能な操作タスクを生成するために設計されたエージェントフレームワークである。 広範に定量的な分析と大規模な実世界の実験を行い、18k軌道のデータセットを収集した。 結果は、RoboGeneが最先端の基礎モデルよりも大幅に優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-18T13:29:43Z)
• Ctrl-World: A Controllable Generative World Model for Robot Manipulation [53.71061464925014]
  汎用ロボットポリシーは、幅広い操作スキルを実行することができる。 未知の物体や命令で 彼らの能力を評価し 改善することは 重要な課題です 世界モデルは、イマジネーション空間内でポリシーの展開を可能にすることで、有望でスケーラブルな代替手段を提供する。
  論文  参考訳（メタデータ） (2025-10-11T09:13:10Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)

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。