論文の概要: ThinkLocoManip: A Whole-Body Control Agentic Harness for Legged Loco-Manipulation
- arxiv url: http://arxiv.org/abs/2610.34370v1
- Date: Sun, 25 Oct 2026 15:23:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.58497
- Title: ThinkLocoManip: A Whole-Body Control Agentic Harness for Legged Loco-Manipulation
- Title（参考訳）: ThinkLocoManip:Legged Loco-Manipulationのための全身コントロールエージェントハーネス
- Abstract要約: ThinkLocoManipは、大規模な環境での複雑な長期タスクに対処するために設計された、脚のついたロコ操作のためのエージェントハーネスである。
ThinkLocoManipはインターリーブされた推論と実行のパラダイムを採用しており、エージェントがその状態について継続的に推論することができる。
我々は、ThinkLocoManipが直接行動生成とプラン-then-actパラダイムの両方に基づいて代表的手法を大幅に上回っていることを示す。
- 参考スコア（独自算出の注目度）: 22.2724720457523
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose ThinkLocoManip, an agentic harness for legged loco-manipulation designed to tackle complex, long-horizon tasks in large-scale environments. Existing approaches typically follow either direct action generation or a plan-then-act paradigm, both of which can struggle with the generalization and error-recovery capabilities required for extended task execution. In contrast, ThinkLocoManip adopts an interleaved reasoning-and-acting paradigm, allowing the agent to continuously reason about its current state, execute actions, observe their outcomes, and adapt its strategy accordingly. Building on this paradigm, our agentic harness orchestrates a suite of specialized tools for perception, navigation, manipulation, and locomotion, enabling flexible composition of heterogeneous capabilities. Unlike existing robotic agentic harnesses, ThinkLocoManip explicitly incorporates locomotion as a tool domain for agent reasoning and execution. We further design a set of skills that explicitly account for both tool usage within each functional domain and coordination across domains, supporting effective execution of complex behaviors over long horizons. To tackle task failure during long-horizon interactions, we develop keyframe thinking mechanism to preserve critical execution context and support efficient error recovery. Extensive real-world experiments demonstrate that ThinkLocoManip substantially outperforms representative methods based on both direct action generation and plan-then-act paradigms across challenging long-horizon legged loco-manipulation tasks. Notably, ThinkLocoManip achieves a success rate of 77%, more than twice that of the strongest plan-then-act baseline (37.1%). Our experiments further validate the effectiveness of interleaved reasoning and acting, tool orchestration, and coordinated skill execution.
- Abstract（参考訳）: 本稿では,大規模環境における複雑で長期のタスクに対処するために,足のロコ操作のためのエージェントハーネスであるThinkLocoManipを提案する。
既存のアプローチは、通常、直接アクション生成またはプラン-then-actパラダイムのいずれかに従うが、どちらも拡張タスクの実行に必要な一般化とエラー回復機能に苦労する可能性がある。
対照的にThinkLocoManipは、インターリーブされた推論と実行のパラダイムを採用し、エージェントが現在の状態を継続的に推論し、アクションを実行し、結果を観察し、それに従って戦略を適応できるようにする。
このパラダイムに基づいてエージェントハーネスは、知覚、ナビゲーション、操作、移動のための特殊なツール群を編成し、異種機能の柔軟な構成を可能にする。
既存のロボットエージェントハーネスとは異なり、ThinkLocoManipは、エージェント推論と実行のためのツールドメインとしてロコモーションを明示的に組み込んでいる。
さらに、各機能ドメイン内のツール使用とドメイン間の協調の両方を明示的に考慮した一連のスキルを設計し、長期にわたる複雑な振る舞いの効果的な実行を支援します。
時間軸相互作用におけるタスク障害に対処するため,重要な実行コンテキストを保存し,効率的なエラー復旧を支援するキーフレーム思考機構を開発した。
大規模な実世界の実験により、ThinkLocoManipは、長い水平脚のロコ操作課題に挑戦する上で、直接行動生成とプラン-then-actパラダイムの両方に基づいて代表的手法を大幅に上回っていることが実証された。
特にThinkLocoManipは77%の成功率で、最強の計画実行ベースライン(37.1%)の2倍以上である。
我々の実験は、インターリーブド推論と演技、ツールオーケストレーション、調整されたスキル実行の有効性をさらに検証した。
関連論文リスト
- 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) - LIBERO-Agent: Evaluating General-Purpose Agents for Direct Embodied Manipulation [69.6306613959287]
汎用エージェントは、フィードバックから行動の計画、使用、修正を行うことができるが、これらの機能がデジタル環境から具体的操作へ移行するかどうかは不明だ。
本稿では,ロボット操作タスクにおけるエージェント評価のためのエージェントネイティブベンチマークであるLIBERO-Agentを紹介する。
論文 参考訳（メタデータ） (2026-09-30T11:10:10Z) - A Closed-Loop Multi-Agent Framework for Robust Multi-Robot Manipulation [37.78546236286294]
大規模言語モデル(LLM)は、目的を実行可能な計画に分解する推論機能を提供する。
本稿では,ロバストなマルチロボット操作を実現するための階層型クローズドループエージェントフレームワークを提案する。
本システムは3つの特殊エージェントから構成される: 計画エージェントは、割り当てられたサブタスクに指示を分解し、各ロボットの操作エージェントは、適応ツール使用によるアクションを実行し、検証エージェントは、物理的な結果を監視し、意味的訂正をフィードバックすることでループを閉じる。
論文 参考訳（メタデータ） (2026-07-08T04:23:41Z) - From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation [45.37258918150899]
本稿では,操作タスクを有向タスクグラフとしてモデル化するエージェントシステムであるAgentChordを紹介する。
実行前に、このグラフには、コンテキスト対応の修正動作を指定する予測リカバリブランチが組み込まれている。
多様な長距離双方向操作タスクに関する実証研究は、AgentChordが成功率と実行効率を大幅に改善することを示した。
論文 参考訳（メタデータ） (2026-05-12T11:00:45Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - ToolSelf: Unifying Task Execution and Self-Reconfiguration via Tool-Driven Intrinsic Adaptation [60.25542764389203]
LLM(Large Language Models)を利用したエージェントシステムは、複雑で長期のタスクに対処する上で、顕著な可能性を示している。
既存のアプローチでは、手動のオーケストレーションやランタイムベースのパッチを頼りにしており、一般化の貧弱さと最適化の断片化に悩まされることが多い。
ツール駆動の自己修正を可能にする新しいパラダイムであるToolSelfを提案する。
論文 参考訳（メタデータ） (2026-02-08T09:27:18Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。
LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。
クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2025-05-26T07:02:17Z) - Humanoid Agent via Embodied Chain-of-Action Reasoning with Multimodal Foundation Models for Zero-Shot Loco-Manipulation [23.43820490179566]
Humanoid-COAはゼロショットロコ操作のためのエボディード・チェーン・オブ・アクション機構と基礎モデル推論を統合している。
我々のフレームワークは、操作、移動、およびロコ操作タスクにおいて、以前のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2025-04-13T11:37:32Z) - CAIMAN: Causal Action Influence Detection for Sample-efficient Loco-manipulation [17.94272840532448]
我々は,ロボットが環境内の他のエンティティを制御できるようにする強化学習フレームワークであるCAIMANを提案する。
シミュレーションにおけるCAIMANの優れたサンプル効率と多様なシナリオへの適応性を実証的に実証した。
論文 参考訳（メタデータ） (2025-02-02T16:16:53Z)
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。