論文の概要: Profiling a Frontier Agent with EBench: From Direct Control to Harness with Policy

• arxiv url: http://arxiv.org/abs/2610.35832v1
• Date: Mon, 26 Oct 2026 17:51:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.133756
• Title: Profiling a Frontier Agent with EBench: From Direct Control to Harness with Policy
• Title（参考訳）: EBenchを用いたフロンティアエージェントのプロファイリング:直接制御からポリシーとの調和へ
• Abstract要約: 我々はGPT-6-Astraをエージェントハーネスを介してロボットを制御するエージェントのコアとして評価する。 直接制御の下では、エージェントは訓練後ポリシーと比較して総合的なパフォーマンスを達成する。 ポリシーのハーネスでは、後トレーニングされたVLAまたはWAMを呼び出すことは、両方のコンポーネントの相補的な強みを組み合わせる。
• 参考スコア（独自算出の注目度）: 58.20511644298136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Frontier multimodal large language models (MLLMs) can control robots without robot-specific training, but how their capabilities compare and interact with post-trained vision-language-action (VLA) and world action model (WAM) policies across manipulation demands remains to be thoroughly evaluated. In this report, we evaluate GPT-6-Astra on EBench as the core of an agent that controls a robot through an agent harness under the same visual and proprioceptive observation protocol as post-trained policies. We study two agent configurations: direct control, in which the agent generates waypoint commands directly, and harness with policy, in which it can also invoke a post-trained VLA or WAM policy for action execution. Under direct control, the agent achieves competitive overall performance relative to post-trained policies. It leads on short-horizon tasks and exhibits the least performance variation across generalization dimensions, whereas it underperforms post-trained policies on long-horizon tasks, tabletop manipulation, and high-precision contact-rich tasks. In the harness with policy, invoking a post-trained VLA or WAM combines the complementary strengths of both components, raising overall task success to the level of the strongest compared post-trained policies while substantially reducing token cost. However, performance remains below the per-task upper bound of the standalone components due to suboptimal policy invocation, fixed-instruction execution without subgoals, and grasp disruption when the agent resumes control. Overall, our study characterizes the capability boundary of a frontier MLLM agent and suggests directions for improving future agent harness design. Project page: https://internrobotics.github.io/EBench-Astra-Tech-Report/
• Abstract（参考訳）: フロンティア・マルチモーダル・大型言語モデル(MLLM)はロボット固有の訓練を受けずにロボットを制御できるが、その能力がその後の視覚言語行動(VLA)や世界行動モデル(WAM)とどのように比較・相互作用するかは、操作要求を越えて徹底的に評価されている。 本稿では,EBench 上の GPT-6-Astra をエージェントハーネスを介してロボットを制御するエージェントのコアとして評価する。 エージェントは直接制御され、エージェントは直接ウェイポイントコマンドを生成し、ポリシーを利用し、訓練後VLAまたはWAMポリシーを起動してアクション実行を行う。 直接制御の下では、エージェントは訓練後ポリシーと比較して総合的なパフォーマンスを達成する。 短期ホライズンタスクを導き、一般化次元で最小パフォーマンスの変動を示す一方、長期ホライズンタスク、テーブルトップ操作、高精度コンタクトリッチタスクのポストトレーニング後のポリシーは不十分である。 政策の活用において、訓練後VLAまたはWAMを呼び出すことは、両方のコンポーネントの相補的な強みを組み合わせ、全体的なタスク成功を、訓練後の最も強力なポリシーのレベルまで引き上げ、トークンコストを大幅に削減する。 しかし、最適ポリシーの実行、サブゴールなしでの固定命令実行、エージェントが制御を再開したときの中断の把握により、スタンドアローンコンポーネントのタスク当たりの上限より低いパフォーマンスが保たれている。 本研究は,フロンティアMLLMエージェントの能力境界を特徴付けるとともに,将来のエージェントハーネス設計を改善するための方向性を提案する。 プロジェクトページ: https://internrobotics.github.io/EBench-Astra-Tech-Report/

関連論文リスト

• AR-WAM: A Visual-Conditioned Agent-Ready World Action Model for Robotic Manipulation [31.9606890046955]
  視覚-言語-アクションモデルと世界アクションモデルはまだ操作タスクを指定するために自然言語命令に依存している。 本稿では、言語を2つの相補的な条件で置き換える視覚条件付きエージェント対応世界アクションモデルAR-WAMを提案する。 RoboTwin 2.0、RMBench、および本物のAstribot S1デュアルアームプラットフォームでは、AR-WAMは標準操作における最強のベースラインと一致する。
  論文  参考訳（メタデータ） (2026-09-20T11:55:26Z)
• MATE: Policy-Aware Security Auditing for Mobile Agents via Synthesis-Driven Trajectory Learning [16.13539868716124]
  エージェントトラジェクトリと自然言語セキュリティポリシの両方をエンコードする軽量でポリシー付き監査機であるMATEを紹介する。 ポリシーを固定されたモデルパラメータではなく編集可能なテキストとして扱うことで、MATEはユーザ定義および進化する要求を処理することができる。 さらに、2つの合成サブセットと1つの実世界の手作業で収集されたトラジェクトリのサブセットを備えたトラジェクトリレベルの監査ベンチマークであるMATEBenchをリリースする。
  論文  参考訳（メタデータ） (2026-09-19T03:18:25Z)
• Beyond Flat Policies: Hierarchical Post-Training for Embodied Agents in Robotic Manipulation [34.87301719899886]
  視覚言語アクション(VLA)モデルは、事前訓練された視覚言語モデルを活用することで、ロボット操作において顕著な能力を示した。 既存のポストトレーニング手法は、主にVLAモデルをフラットポリシーとして最適化し、タスクの進行を明示的にモデル化し、堅牢な長距離操作を行うのが困難である。 階層型ロボット制御(HiRoC)は,ハイレベルなタスク計画と低レベルなアクション実行を分離する階層型ポストトレーニングフレームワークである。
  論文  参考訳（メタデータ） (2026-08-06T13:07:56Z)
• Addressing the Orchestration Gap in Generalist Robots via Physical Agency [28.555813508134623]
  汎用ロボットは、認識、世界知識、計画、成功検出、回復、低レベル制御といった行動について推論する必要がある。 本稿では,これらの機能を,一般的な言語条件のポリシ/コントロールエージェントと,ハイレベルなエージェントマネージャ/オーケストレータに分解可能であることを示す。 事前学習を通じて推論を行うためのポリシをトレーニングするのではなく、高レベルの計画を行うことができるクローズドループ物理エージェントオーケストレータを構築し、目標を達成可能なサブゴールに分解し、低レベルのモーターコマンドを指令し、低レベルの観測結果を追跡し検証し、失敗から回復する。
  論文  参考訳（メタデータ） (2026-07-23T18:18:32Z)
• Adapting Generalist Robot Policies with Semantic Reinforcement Learning [59.009122725071386]
  ジェネラリストロボットポリシーは、大規模な事前訓練から多様な行動のレパートリーを学ぶ。 本稿では,オンラインインタラクションを通じて,このプロンプト空間を最適化するためのセマンティック・アクション強化学習(SARL)を提案する。 我々は、SARLが基本的に新しい機能をアンロックしていることを示します。
  論文  参考訳（メタデータ） (2026-06-30T17:00:33Z)
• Beyond Action Residuals: Real-World Robot Policy Steering via Bottleneck Latent Reinforcement Learning [42.74142065376427]
  本稿では,Z-Perturbation Reinforcement Learning (ZPRL)を提案する。 現実世界では、ZPRLは模倣ベースポリシーよりも4つのタスクの平均成功率を33.7%向上させる。
  論文  参考訳（メタデータ） (2026-05-19T14:43:26Z)
• AIPO: Learning to Reason from Active Interaction [54.10819421625103]
  AIPOは、ポリシーモデルが、推論ボトルネックに遭遇するときに、3つの機能的協調エージェントを積極的に相談することを可能にする。 AIPOは推論性能を継続的に改善し、異なるポリシーモデルとRLVRアルゴリズムをまたいで堅牢に一般化し、ポリシーモデルの推論能力境界を効果的に拡張する。
  論文  参考訳（メタデータ） (2026-05-08T19:06:55Z)
• Robotic Control via Embodied Chain-of-Thought Reasoning [86.6680905262442]
  学習したロボット制御ポリシーの鍵となる制限は、トレーニングデータの外部で一般化できないことである。 視覚言語行動モデル(VLA)に関する最近の研究は、大規模なインターネット事前学習型視覚言語モデルを使用することで、その堅牢性と一般化能力を大幅に向上させることができることを示した。 ロボットの動作を予測する前に、VLAに対して、計画、サブタスク、動作、視覚的接地機能について複数の推論を行うために、VLAに対してEmbodied Chain-of-Thought Reasoning (ECoT)を導入する。
  論文  参考訳（メタデータ） (2024-07-11T17:31:01Z)
• Plan, Eliminate, and Track -- Language Models are Good Teachers for Embodied Agents [99.17668730578586]
  事前訓練された大言語モデル(LLM)は、世界に関する手続き的な知識をキャプチャする。 Plan, Eliminate, and Track (PET)フレームワークはタスク記述をハイレベルなサブタスクのリストに変換する。 PETフレームワークは、人間の目標仕様への一般化のために、SOTAよりも15%改善されている。
  論文  参考訳（メタデータ） (2023-05-03T20:11:22Z)

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。