論文の概要: RoboAuto: Autonomous Robot Program Search through Multi-Level Physical Understanding
- arxiv url: http://arxiv.org/abs/2610.36533v1
- Date: Tue, 27 Oct 2026 02:41:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.468659
- Title: RoboAuto: Autonomous Robot Program Search through Multi-Level Physical Understanding
- Title（参考訳）: RoboAuto:マルチレベル物理理解による自律型ロボットプログラム検索
- Abstract要約: 本稿では,ロボットプログラム検索のためのフレームワークであるRoboAutoを紹介し,オブジェクト,シーン,インタラクションレベルでの物理的な理解を整理する。
RoboAutoは5つのベンチマークファミリで優れたパフォーマンスを実現している。
- 参考スコア（独自算出の注目度）: 43.780509881189346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, LLM-based autonomous agents have shown strong capabilities in iteratively generating, evaluating, and refining executable solutions. In robotic manipulation, Code-as-Policy lets these agents search over modular and editable robot programs. However, effective program search requires physical understanding: agents must understand how objects can be manipulated, how scene geometry constrains actions, and why interactions succeed or fail. Existing methods rely mainly on execution feedback for program refinement, often leaving these physical questions unresolved. We introduce RoboAuto, a framework for robot program search that explicitly organizes physical understanding at the object, scene, and interaction levels through three components. First, a hierarchical knowledge base combines executable skills with object-centric knowledge of affordances, spatial relations, and action effects, learned from embodied data and online task solving. Second, scene grounding connects this knowledge to the current environment by identifying relevant objects and resolving action-critical quantities. Third, multi-stage planning with self-designed experiments checks whether each stage produces its expected physical effects and actively tests competing hypotheses to resolve physical uncertainties. RoboAuto achieves superior performance across five benchmark families, attaining an 89.1% success rate on short-horizon LIBERO-PRO tasks and more than twice the mean success rate of ASPIRE on LIBERO-PRO Long and LIBERO-Plus. It also outperforms ASPIRE and $π_{0.5}$ on three challenging long-horizon real-robot tasks requiring precise manipulation. We further show that the knowledge base transfers across simulators and embodiments, and that program search performance scales with its size. Project page: https://roboauto-ai.github.io/
- Abstract（参考訳）: 近年,LSMをベースとした自律エージェントは,実行可能ソリューションを反復的に生成,評価,精錬する能力を示した。
ロボット操作では、Code-as-Policyはこれらのエージェントがモジュラーで編集可能なロボットプログラムを検索する。
しかし、効果的なプログラム探索には物理的理解が必要である:エージェントは、オブジェクトをどのように操作するか、シーン幾何学がアクションを制限するか、なぜ相互作用が成功するか、失敗するかを理解する必要がある。
既存の手法は主にプログラムの改良のための実行フィードバックに依存しており、多くの場合、これらの物理的疑問は未解決のままである。
本稿では,ロボットプログラム検索のためのフレームワークであるRoboAutoを紹介した。
まず、階層的知識ベースは、実施可能なスキルと、具体的データとオンラインタスク解決から学習した、空き地、空間的関係、行動効果のオブジェクト中心の知識を結合する。
第2に、シーングラウンディングは、関連するオブジェクトを特定し、アクションクリティカル量の解決によって、この知識を現在の環境に接続する。
第三に、自己設計実験による多段階計画では、各段階が期待される物理的効果を生み出すかどうかを確認し、競合する仮説を積極的に検証し、物理的不確実性を解決する。
RoboAutoは5つのベンチマークファミリで優れたパフォーマンスを達成し、短期間のLIBERO-PROタスクで89.1%の成功率、LIBERO-PRO LongおよびLIBERO-PlusでのASPIREの平均成功率の2倍以上を達成した。
また、ASPIRE と $π_{0.5}$ を、正確な操作を必要とする3つの挑戦的なリアルタイムロボットタスクで上回ります。
さらに,知識ベースがシミュレータや実施形態にまたがって伝達され,プログラムの検索性能はその大きさでスケールすることを示す。
プロジェクトページ: https://roboauto-ai.github.io/
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) - RAPID: Robot Agentic Programming from Demonstrations [47.78221527883912]
この研究は、ロボットプログラムを自動生成し、検証し、洗練するロボットエージェントプログラミング(RAPID)を導入している。
すべての実験において、RAPIDはオブジェクトのポーズ、形状、材料、環境を一般化し、強い性能を示した。
論文 参考訳（メタデータ） (2026-09-24T17:58:21Z) - ASPIRE: Agentic /Skills Discovery for Robotics [46.66569877875144]
ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) は、ロボット制御プログラムをコード・アズ・ポリティクスのパラダイムで書き、洗練する。
1)細粒度のマルチモーダルトレースを露呈し,自律的な故障診断,修復,合成,検証を可能にするクローズドループロボット実行エンジン,(2)検証済みの修正を再利用可能な,伝達可能な知識に蒸留する継続的な拡張スキルライブラリ,(3)多様なタスクシーケンスを生成する進化的検索と,単一軌道の洗練を超えて探索する制御プログラムである。
論文 参考訳（メタデータ） (2026-06-30T23:38:46Z) - REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。
ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
論文 参考訳（メタデータ） (2025-03-28T03:51:40Z) - Investigating the Effectiveness of a Socratic Chain-of-Thoughts Reasoning Method for Task Planning in Robotics, A Case Study [0.0]
本研究では,大規模言語モデル (LLM) が実世界の物理行動で複雑な空間的タスクをナビゲートできるかどうかを考察する。
我々は,Webots エンジンに擬似ティアゴロボットを組み込んだ GPT-4(Omni) をオブジェクト探索タスクに適用する。
予備的な結果は、チェーン・オブ・ソート推論と組み合わせることで、ソクラティック法が空間認識を必要とするロボットタスクのコード生成に利用できることを示している。
論文 参考訳（メタデータ） (2025-03-11T08:36:37Z) - Perceiving, Reasoning, Adapting: A Dual-Layer Framework for VLM-Guided Precision Robotic Manipulation [2.434849352801735]
VLM(Vision-Language Models)は、ロボット操作において顕著な可能性を示す。
しかし、複雑な微調整タスクを高速かつ高精度で実行する際の課題は継続する。
本稿では,ロボットの高速かつ高精度かつ誤り訂正可能な微調整を可能にするプログレッシブVLM計画アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-03-07T00:55:42Z) - Offline Imitation Learning Through Graph Search and Retrieval [57.57306578140857]
模倣学習は、ロボットが操作スキルを取得するための強力な機械学習アルゴリズムである。
本稿では,グラフ検索と検索により,最適下実験から学習する,シンプルで効果的なアルゴリズムGSRを提案する。
GSRは、ベースラインに比べて10%から30%高い成功率、30%以上の熟練を達成できる。
論文 参考訳（メタデータ） (2024-07-22T06:12:21Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z)
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。