論文の概要: Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent

• arxiv url: http://arxiv.org/abs/2610.35817v1
• Date: Mon, 26 Oct 2026 17:44:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.13071
• Title: Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent
• Title（参考訳）: シミュレーションはどんなことを知っているのかを予知する:シミュレートされたロボットエージェントにおける構成的一般化
• Abstract要約: ZAP(Zero-real Agent Policy)は、シンプルなツールハーネスを用いてロボットを制御するために、小さな視覚言語モデルを教えるレシピである。 我々は、事前訓練された27Bパラメータモデルを用いて、世界理解と推論をブートストラップし、続いて教師付き微調整とGRPOを単純なシミュレートタスクで実行した。 ZAPは実世界のタスクで96.7%成功し、GPT-6 Astraを我々のハーネスでマッチングし、MomoAct2 VLA(33.3%)より優れ、GPT-6 Astraより3倍速く17倍安い。
• 参考スコア（独自算出の注目度）: 16.221409601713823
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A robot policy needs to understand what a task is asking for in a scene, and how to move the robot to accomplish that task. To achieve these two skills, we introduce Zero-real Agent Policy (ZAP), a recipe that teaches a small off-the-shelf vision-language model to control a robot via a simple tool harness. We use a pretrained 27B parameter model to bootstrap world understanding and reasoning, followed by supervised fine-tuning and GRPO on simple simulated tasks to teach it how to move the robot. Without any real-world robot data during training, ZAP reaches 96.7% success on real-world tasks, matching GPT-6 Astra in our harness and outperforming the MolmoAct2 VLA (33.3%), while running 3x faster and 17x cheaper than GPT-6 Astra. We demonstrate that ZAP also generalizes to completely new objects, goals, strategies, and language by seating a test tube in a rack (and choosing a different hole in the rack when prompted), handing a test tube between arms mid-air, drawing an X on a tic-tac-toe board, and playing chess. These goals and types of manipulation don't appear in our training data. Furthermore, ZAP also transfers to an unseen embodiment. On a single-arm Franka, ZAP reaches 55.9% on RoboLab-120, 4.9 percentage points ahead of the leading VLA/WAM baseline.
• Abstract（参考訳）: ロボットポリシーは、ある場面でタスクが求めているものを理解し、そのタスクを達成するためにロボットを動かす方法を理解する必要がある。 この2つのスキルを実現するために,ZAP(Zero-real Agent Policy)を紹介した。 本研究では,世界理解と推論をブートストラップするために,事前訓練された27Bパラメータモデルを用い,ロボットの動作の仕方を教えるため,簡単なシミュレートタスクにおける教師付き微調整とGRPOを行った。 トレーニング中に実際のロボットデータがなければ、ZAPは実世界のタスクで96.7%成功し、GPT-6 Astraを私たちのハーネスでマッチングし、MomoAct2 VLA(33.3%)を上回り、GPT-6 Astraより3倍速く17倍安く走る。 またZAPは、テストチューブをラックに座らせ(誘導時にラックに穴をあける)、腕の間にテストチューブを手渡し、チタックトートボードにXを描画し、チェスをすることで、完全に新しいオブジェクト、ゴール、戦略、言語に一般化することを示した。 これらの目標とタイプの操作は、トレーニングデータには現れません。 さらに、ZAPは目に見えないエンボディメントにも移行する。 シングルアームのフランカでは、ZAPはロボLab-120で55.9%に達し、4.9%がVLA/WAMベースラインに先んじている。

関連論文リスト

• Reinforcement Learning from Real-Robot Interaction without High-Quality State Estimates [5.861140128685936]
  ロボット強化学習(RL)の長年の目標は、ロボットが自身の物理的経験から学ぶことである。 本課題は,2足歩行ロボットがサッカーのゴールを達成するための課題である。 RSSM-RLPDを導入し、NAOロボットがサッカーボールをゴールにドリブルするタスクに適用する。
  論文  参考訳（メタデータ） (2026-10-02T21:59:06Z)
• Robo-Harness K1: Harnessing Robot-Use Agents via Perception Augmentation [61.15247763568461]
  本稿では,ロボット利用エージェントフレームワークであるRobo-Harness K1を紹介する。 一致した LIBERO-PRO タスクでは、Gemini 3.7 Flash with K1 が 77.8% に達し、GPT-6 Astra の 61.1% を RGB のみのハーネスで上回った。 RoboTwin では Easy で 32.0%、Hard で 28.0% を達成し、視覚的および環境的な摂動に対するレジリエンスを示している。
  論文  参考訳（メタデータ） (2026-09-24T11:16:18Z)
• MonoDuo: Using One Robot Arm to Learn Bimanual Policies [40.1404286878975]
  単腕ロボットのデモと人間のコラボレーションを組み合わせ,双方向操作ポリシーを学習するフレームワークであるMonoDuoについて述べる。 MonoDuoは、片腕ロボットを遠隔操作して、両腕のタスクの片面を実行する。 ボックスリフト,バックパックパッキング,布の折り畳み,ジャケットのジッピング,ハンドオーバープレートの5つのタスクについてMonoDuoを評価した。
  論文  参考訳（メタデータ） (2026-05-28T03:27:38Z)
• Human-to-Robot Interaction: Learning from Video Demonstration for Robot Imitation [5.967530183571141]
  人間とロボットの模倣学習パイプラインは、ロボットが非構造化ビデオデモから直接操作スキルを取得することを可能にする。 鍵となる革新は、学習プロセスを2つの異なる段階に分離するモジュラーフレームワークである。 ロボット操作では,全ての動作の平均成功率は87.5%であり,タスク達成で100%,複雑なピック・アンド・プレイス操作で90%に達する。
  論文  参考訳（メタデータ） (2026-02-22T13:26:27Z)
• RoboReward: General-Purpose Vision-Language Reward Models for Robotics [124.34685604054312]
  視覚言語モデル(VLM)は、自動報酬モデルとして期待されているが、実際のロボットタスクにおけるそれらの効果は理解されていない。 大規模な実ロボットコーパス上に構築されたロボティクス報酬データセットとベンチマークであるRoboRewardを導入することで、このギャップを埋めることを目指している。
  論文  参考訳（メタデータ） (2026-01-02T12:47:34Z)
• Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations [52.29884993824894]
  自然環境で日々のタスクを行う人間から、マルチフィンガーロボットポリシーを学ぶことは、ロボットコミュニティにとって長年の大きな目標だった。 AINAは、Aria Gen 2メガネを使用して、どこでも、どこでも、あらゆる環境で収集されたデータから、マルチフィンガーポリシーを学ぶことができる。
  論文  参考訳（メタデータ） (2025-11-20T18:59:02Z)
• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Spatial-Language Attention Policies for Efficient Robot Learning [32.215861214516735]
  本稿では,空間言語アテンションポリシー(SLAP)を解法として提案する。 SLAPは入力表現として3次元トークンを使用し、単一のマルチタスク、言語条件のアクション予測ポリシーをトレーニングする。 一つのモデルで8つのタスクにまたがる実世界の80%の成功率を示し、未確認な乱雑なオブジェクト構成を導入した場合、47.5%の成功率を示す。
  論文  参考訳（メタデータ） (2023-04-21T20:02:49Z)
• Accelerating Robot Learning of Contact-Rich Manipulations: A Curriculum Learning Study [4.045850174820418]
  本稿では,Domain Randomization(DR)と組み合わせたカリキュラム学習に基づく,コンタクトリッチな操作タスクのロボット学習の高速化に関する研究を行う。 挿入タスクのような位置制御ロボットによる複雑な産業組み立てタスクに対処する。 また,おもちゃのタスクを用いたシミュレーションでのみトレーニングを行う場合においても,現実のロボットに伝達可能なポリシーを学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-04-27T11:08:39Z)

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。