論文の概要: RoboDoctor: Training-Free Recursive Self-Improvement for Robot Policies

• arxiv url: http://arxiv.org/abs/2610.35604v1
• Date: Mon, 26 Oct 2026 15:27:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.052847
• Title: RoboDoctor: Training-Free Recursive Self-Improvement for Robot Policies
• Title（参考訳）: RoboDoctor:ロボットポリシーのトレーニング不要な再帰的自己改善
• Abstract要約: 汎用ロボットポリシーと言語モデルエージェントは相補的な能力を提供するが、タスクの完了には物理的な相互作用の結果にそれらの使用を適用する必要がある。 我々は適応の軌跡として実行について研究し、フィードバックは現在の動作をガイドし、固定されたモデル重みの下で後の決定を修正するための証拠を提供する。 診断,接地動作,永続的な体験を3つのリビジョンターゲットで接続する,トレーニング不要のフレームワークであるRoboDoctorを紹介した。
• 参考スコア（独自算出の注目度）: 15.187022029195653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generalist robot policies and language-model agents provide complementary capabilities, but completing a task also requires adapting their use to the consequences of physical interaction. We study execution as a locus of adaptation: feedback guides the current action and supplies evidence for revising subsequent decisions under fixed model weights. We introduce RoboDoctor, a training-free framework that connects diagnosis, grounded action, and persistent experience across three revision targets. The harness allocates control between policy and agent; intervention determines when to assist while preserving useful policy behavior; and operation refines physical methods through observed effects. Linked experience records retain the reason for a decision, the attempted method, its outcome, and conditions for reuse. On a curated archive of 54 RoboDojo-Sim task entries, RoboDoctor achieves a five-dimension mean score of 57.10, with a native success rate of 49.44%. Recorded interactions illustrate strategy changes, selective correction, and grasp revision. These findings characterize execution-time adaptation in the evaluated system; controlled trials remain necessary to isolate the contribution of cross-episode experience.
• Abstract（参考訳）: 汎用ロボットポリシーと言語モデルエージェントは相補的な能力を提供するが、タスクの完了には物理的な相互作用の結果にそれらの使用を適用する必要がある。 我々は適応の軌跡として実行について研究し、フィードバックは現在の動作をガイドし、固定されたモデル重みの下で後の決定を修正するための証拠を提供する。 診断,接地動作,永続的な体験を3つのリビジョンターゲットで接続する,トレーニング不要のフレームワークであるRoboDoctorを紹介した。 このハーネスは、政策とエージェントの制御を割り当て、介入は、有用な政策行動を維持しながらいつ支援するかを決定し、観察された効果を通して物理的な方法を洗練する。 リンクされた経験記録には、意思決定の理由、試行方法、結果、再利用の条件が残されている。 54のRoboDojo-Simタスクエントリのキュレートされたアーカイブでは、RoboDoctorの5次元平均スコアは57.10で、ネイティブな成功率は49.44%である。 記録された相互作用は、戦略の変化、選択的な修正、把握された修正を示す。 これらの知見は, 評価システムにおける実行時適応を特徴づけるものであり, クロスエピソード体験の寄与を分離するためには, 制御試験が必要である。

関連論文リスト

• Labference: Benchmarking the Reasoning-Action Connection in Robotic Laboratories [34.213448447427936]
  Embodied AI for Scienceは、実験目標を信頼性のある物理的手順に変換するロボットを必要とする。 本稿では、観測結果がその後の選択をどのように導くかを評価するためのベンチマークであるLabferenceを紹介する。
  論文  参考訳（メタデータ） (2026-10-26T11:33:55Z)
• Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use [58.76291579990208]
  我々は,マルチモーダルなタスク推論と物理行動を組み合わせた目標指向システムとして,MMEA(Multimodal embodied Agent)を定義した。 マルチモーダルエージェントがコンピュータ利用からロボット利用に移行すると、どう変わるのか? PAPAVは、5つの繰り返し機能からなる統合機能中心のフレームワークである。現在の状態を理解し、アクション効果を予測し、実行可能なコースを計画し、インターフェースまたはボディを介して実行し、その結果を検証する。
  論文  参考訳（メタデータ） (2026-10-21T17:52:48Z)
• Who Improves the Robot? Toward Physical Recursive Self-Improvement [99.14722431498994]
  本研究では,物理再帰的自己改善(Physical RSI)について検討する。 物理的なRSIは、物理的な体験がロボットの能力と改善手順の両方に更新を導くものである。 メタレベルの更新とタスク内更新とタスク間のゲインを区別するL0-L5フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-13T17:57:04Z)
• Evidence-Guided Counterfactual Learning for Long-Tailed Robotic Policies [50.7203420049558]
  共有ロボット政策における頭部タスク行動バイアスについて検討し,特にタスク固有の視覚的エビデンスとの関係に着目した。 本研究の目的は,長期にわたるロボット政策のトレーニングフレームワークであるEvidence-Guided Counterfactual Learningを提案することである。 提案されたフレームワークは、追加のトレーニングデータもリージョンレベルのアノテーションも必要とせず、デプロイ中に追加の計算を行わない。
  論文  参考訳（メタデータ） (2026-10-09T01:37:33Z)
• Diagnose, Recover, Certify: Task Readiness under Hidden Dynamics Changes [10.10742501508043]
  本稿では,アクティブチェンジ診断とポストチェンジ制御の回復を統一する決定問題である,休息時ダイナミクスドリフトにおけるタスクの即応性を導入する。 Evidence-Gated Matched-Pulse Transport(英語版)を提案する。 複数のシミュレーターにまたがる様々なドミナント・アクチュエーター・ベンチマークで、その結果のフレームワークを評価する。
  論文  参考訳（メタデータ） (2026-07-30T12:30:16Z)
• From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
  本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。 3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。 本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-16T10:45:26Z)
• See, Learn, Assist: Safe and Self-Paced Robotic Rehabilitation via Video-Based Learning from Demonstration [0.7874708385247353]
  本稿では,ロボット支援型リハビリテーション演習を遠隔でRGB-Dビデオで教える新しい枠組みを提案する。 カルテシアン運動プリミティブ(DMP)を用いた6-DoF体中心軌道の実証を符号化する。 空間的に整合した仮想トンネルを構成する疎結合ハイブリッド制御アーキテクチャを用いて,これらのトラジェクトリを実行する。
  論文  参考訳（メタデータ） (2026-03-15T00:30:36Z)
• Policy Learning for Social Robot-Led Physiotherapy [0.9666308705700454]
  ソーシャルロボットは、生理療法演習セッションを通じて患者を自律的に導くための、有望なソリューションを提供する。 主要な課題は、堅牢なポリシーを開発するための患者行動データの不足である。 我々は,患者行動モデルを知るために,患者プロキシとして33名の専門医をロボットと対話した。
  論文  参考訳（メタデータ） (2025-09-14T14:40:30Z)
• RoboEval: Where Robotic Manipulation Meets Structured and Scalable Evaluation [32.080769025457926]
  本稿では,現在の双方向操作ポリシーの限界を明らかにするために,シミュレーションベンチマークと構造化評価フレームワークであるRoboEvalを提案する。 RoboEvalは、空間、物理的、コーディネート機能に体系的に挑戦する、階層化されたセマンティックな基礎付けられた一連のタスクを導入した。 行動メトリクスは、タスクメトリックペアの半数以上の成功と相関し、バイナリ成功が飽和しても情報的であり続ける。
  論文  参考訳（メタデータ） (2025-07-01T05:33:16Z)
• Automated Fidelity Assessment for Strategy Training in Inpatient Rehabilitation using Natural Language Processing [53.096237570992294]
  戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。 標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。 本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
  論文  参考訳（メタデータ） (2022-09-14T15:33:30Z)
• Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
  本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。 提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
  論文  参考訳（メタデータ） (2021-10-01T15:28:44Z)

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。