論文の概要: AgenticRoboRL: Bringing Coding-Agent Post-Training to Agentic Robotics

• arxiv url: http://arxiv.org/abs/2610.28589v1
• Date: Tue, 20 Oct 2026 17:41:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.953901
• Title: AgenticRoboRL: Bringing Coding-Agent Post-Training to Agentic Robotics
• Title（参考訳）: AgenticRoboRL:Coding-Agent Post-Trainingをエージェントロボティクスに導入
• Abstract要約: エージェントロボットシステムは、複雑な操作タスクを実行するために、プランナーとロボットハーネスを組み合わせる。 最近の研究は、より優れたハーネスと外部メモリによってこれらのシステムを改善するが、プランナーとして強力なクローズドソースモデルに依存している。 ポストトレーニングがロボットプランナを改善できるかどうかを検討する。 我々はAgenticRoboRLを紹介した。AgenticRoboRLは、さまざまなハーネスでロボットプランナーを訓練するフレームワークである。
• 参考スコア（独自算出の注目度）: 25.373539307793777
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic robotics systems combine planners with robot harnesses to perform complex manipulation tasks. Recent work improves these systems through better harnesses and external memory, but relies on powerful closed-source models as planners and does not improve the planners' own capabilities. In contrast, coding agents have improved substantially by post-training the model itself. We therefore investigate whether post-training can also improve robot planners. However, applying it across robot harnesses requires accommodating different execution mechanisms, including VLA skill invocation and control-code generation. To this end, we introduce AgenticRoboRL, a framework for post-training robot planners across different harnesses. The training recipe combines supervised fine-tuning with multi-turn reinforcement learning. To accommodate different execution mechanisms, harness-specific adapters connect recorded planner interactions with task outcomes, enabling a common RL training pipeline while keeping execution components fixed. On LIBERO-PRO, AgenticRoboRL raises the success rate of a 9B-parameter planner from 18.1% to 71.0% without external memory, approaching the 72.1% achieved by Codex (GPT-5.5) with external memory. These results demonstrate post-training as an effective approach for improving robot planners. We will release the framework and trained planner checkpoints.
• Abstract（参考訳）: エージェントロボットシステムは、複雑な操作タスクを実行するために、プランナーとロボットハーネスを組み合わせる。 近年の作業は、ハーネスと外部メモリの改善を通じてこれらのシステムを改善するが、プランナーとして強力なクローズドソースモデルに依存しており、プランナー自身の能力は向上しない。 対照的に、符号化エージェントはモデル自体を後処理することで大幅に改善されている。 そこで我々は,ポストトレーニングがロボットプランナを改善できるかどうか検討した。 しかしながら、ロボットハーネスに適用するには、VLAスキルの実行や制御コード生成など、さまざまな実行メカニズムの調整が必要である。 この目的のために,AgenticRoboRLを紹介した。 このトレーニングレシピは、教師付き微調整と多ターン強化学習を組み合わせたものである。 異なる実行メカニズムに対応するため、ハーネス固有のアダプタは記録されたプランナーインタラクションとタスク結果を接続し、実行コンポーネントの固定を維持しながら共通のRLトレーニングパイプラインを可能にする。 LIBERO-PROでは、AgenticRoboRLは9Bパラメータプランナの成功率を18.1%から71.0%に引き上げ、外部メモリでコーデックス(GPT-5.5)が達成した72.1%に近づいた。 これらの結果は,ロボットプランナ改善のための効果的なアプローチとしてポストトレーニングが実証された。 フレームワークと訓練されたプランナーチェックポイントをリリースします。

関連論文リスト

• Scaling Online Exploration for Robot Agents [147.6570058866968]
  RAX(Robot Agent eXploration)は、ロボットエージェントのためのオープンソースのフレームワークである。 本稿では,単腕,両腕,外陰部,移動体,ヒューマノイドシステムを用いて,オンライン探索の精度向上と長期操作作業のスケールについて検討する。 RAXは、人間のデモンストレーションなしで、メモリ依存、調音、高精度、変形可能、および長距離移動操作タスクを自律的に学習する。
  論文  参考訳（メタデータ） (2026-10-15T18:00:28Z)
• HarnessPAI: An Evolving Harness for Physical AI [64.91964104275483]
  本稿では,物理AIのためのモデルおよび具体化に依存しないフレームワークであるHarnessPAIを紹介する。 ロールアウト内では、プログラムレベルでオープンループを実行する。 デスクトップロボットアーム、家庭用ロボット、ロボット掃除機、そして歩行エージェントのHarnessPAIは、純粋なアクションモデルとコード・アズ・ポリティクスのベースラインの両方を改善している。
  論文  参考訳（メタデータ） (2026-09-24T07:40:00Z)
• Vision-based Goal-Reaching Control for Mobile Robots Using a Hierarchical Learning Framework [4.014524824655106]
  本稿では,システム全体を密結合した関数モジュールの集合に分解する。 提案手法は,アクティベーションシステムの均一な指数的安定性と全動作の安全性を保証する。
  論文  参考訳（メタデータ） (2026-01-02T08:41:47Z)
• LEO-RobotAgent: A General-purpose Robotic Agent for Language-driven Embodied Operator [1.5566524830295307]
  ロボットのための汎用言語駆動型インテリジェントエージェントフレームワークLEO-RobotAgentを提案する。 このフレームワークは強力な一般化、堅牢性、効率性を備えている。 実験では、このフレームワークが主流のロボットプラットフォームに容易に適応できることが確認されている。
  論文  参考訳（メタデータ） (2025-12-11T12:58:36Z)
• Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics [55.05920313034645]
  本稿では,ロボット制御に特化して具体的推論を強化するため,強化学習を活用した新しいフレームワークであるRobot-R1を紹介する。 DeepSeek-R1学習アプローチにインスパイアされたRobot-R1は、推論に基づく応答をサンプリングし、より正確な予測につながるものを強化する。 実験の結果,ロボットR1で訓練したモデルは,具体的推論タスクにおいて,SFT法よりも優れていた。
  論文  参考訳（メタデータ） (2025-05-29T16:41:12Z)
• MRBTP: Efficient Multi-Robot Behavior Tree Planning and Collaboration [6.239895985962529]
  マルチロボットタスク計画と協調はロボット工学における重要な課題である。 音質と完全性の両方を理論的に保証するマルチロボット行動木計画法(MRBTP)を提案する。 次に,大規模言語モデル (LLM) が各ロボットの目標関連動作を推論するためのオプションプラグインを提案する。
  論文  参考訳（メタデータ） (2025-02-25T10:39:28Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)
• Robot Learning of Mobile Manipulation with Reachability Behavior Priors [38.49783454634775]
  モバイルマニピュレーション(MM)システムは、非構造化現実環境におけるパーソナルアシスタントの役割を引き継ぐ上で理想的な候補である。 その他の課題として、MMは移動性と操作性の両方を必要とするタスクを実行するために、ロボットの実施形態を効果的に調整する必要がある。 本研究では,アクタ批判的RL手法におけるロボットの到達可能性の先行性の統合について検討した。
  論文  参考訳（メタデータ） (2022-03-08T12:44:42Z)
• Reinforcement Learning Experiments and Benchmark for Solving Robotic Reaching Tasks [0.0]
  強化学習はロボットアームによる到達タスクの解決に成功している。 ハイドサイト体験再生探索技術により報奨信号の増大が, オフ・ポリティクス・エージェントの平均リターンを増加させることが示されている。
  論文  参考訳（メタデータ） (2020-11-11T14:00:49Z)

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。