論文の概要: EmbodiExp: Compositional Experience Transfer for Embodied Agents

• arxiv url: http://arxiv.org/abs/2610.39180v1
• Date: Thu, 29 Oct 2026 02:08:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.446076
• Title: EmbodiExp: Compositional Experience Transfer for Embodied Agents
• Title（参考訳）: EmbodiExp:Embodied Agentsの構成的体験伝達
• Abstract要約: EmbodiExpは、エンボディされたタスク実行中に転送可能なエクスペリエンスを構築するためのフレームワークである。 私たちのキーとなる観察は、タスクはタスク全体の成功とは無関係に、完了を評価できるサブゴールを共有することが多いということです。 実行中は、適用可能なエクスペリエンスがアクション生成をガイドし、検証された結果がその後のエクスペリエンスに必要な条件を確立する。
• 参考スコア（独自算出の注目度）: 8.040144973882224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Experience can help embodied agents turn high-level plans into grounded actions, but transferring it across tasks remains challenging: previously effective strategies may be inapplicable to the current state or fail to produce their intended outcomes. We present EmbodiExp, a framework for constructing transferable experiences and composing them online during embodied task execution. Our key observation is that tasks often share subgoals whose completion can be assessed independently of overall task success. We therefore introduce an outcome-grounded subgoal experience that specifies a subgoal, applicability conditions, an adaptable policy, and a verifiable outcome. During execution, applicable experiences guide action generation, while verified outcomes can establish the conditions required by subsequent experiences, enabling online composition. Subgoal-level outcome attribution further enables failure utilization: failed trajectories can still contribute verified local successes and condition-specific guidance on actions to avoid. Experiments on multiple embodied benchmarks under a fold-based protocol with frozen experience banks demonstrate the effectiveness of EmbodiExp.
• Abstract（参考訳）: 経験は、エージェントがハイレベルなプランを根拠となるアクションに変えるのに役立つが、それをタスク間で転送することは依然として困難である。 本稿では,EmbodiExpについて紹介する。EmbodiExpは移動可能なエクスペリエンスを構築し,実施中のタスク実行時にオンラインで構成するフレームワークである。 私たちのキーとなる観察は、タスクはタスクの成功から独立して完了を評価できるサブゴールを共有することが多いということです。 そこで我々は、サブゴール、適用可能性条件、適応可能なポリシー、検証可能な結果を指定する、結果に基づくサブゴール体験を導入する。 実行中は、適用可能なエクスペリエンスがアクション生成をガイドし、検証された結果がその後のエクスペリエンスに必要な条件を確立することで、オンラインコンポジションを可能にする。 フェールトラジェクトリは、検証済みのローカルな成功と、回避すべきアクションに関する条件固有のガイダンスに貢献することができる。 凍結経験バンクを用いた折り畳みベースのプロトコル下での複数の実施ベンチマーク実験は、EmbodiExpの有効性を実証している。

関連論文リスト

• EnactOpt: Diagnosis-Guided Harness Evolution for Embodied Agents [16.436363329468517]
  基礎モデル上に構築されたエージェントは、観察を組織化し、アクションをガイドし、実行フィードバックをその後の決定に組み込むための実行ハーネスに依存している。 EnactOptは、限られた実行フィードバックを使って再利用可能なテキストスキルとコンテキストコンストラクションコードを共同で進化させ、基盤となるモデルとランタイムを固定します。 VLABench、ALFWorld、Embodied Agent Interface (EAI)全体で、EnactOptは初期ハーネスよりもタスク成功率を約10～27ポイント向上し、評価されたEPA、TextGrad、Trace2Skillベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-10-10T14:51:25Z)
• SkillRubric: Co-Evolving Actor Guidance and Evaluator Rubrics for Multimodal Agents [36.892034513729804]
  SkillRubricを導入し、アクター向けガイダンスと評価器向けルーブリックを用いて各スキルを表現した。 マルチモーダル検証器は、スクリーンショットとツールアウトプットを使用してスキル定義目標を評価し、完了と進捗の報酬を責任あるターンに割り当てる。 多様なマルチモーダルエージェントベンチマークによる実験は、一貫したパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2026-09-28T08:14:18Z)
• S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? [66.17176838165994]
  大規模言語モデル(LLM)は、ますます外部環境と相互作用し、かなりの行動経験を蓄積する。 エージェントがその振る舞いを積極的にテストし、得られた経験を判断し、その経験を使って将来の意思決定を改善することができるかどうかは不明だ。 LLM自己改善評価のための対話型ベンチマークである textbfStextsuperscript3Gym を導入する。
  論文  参考訳（メタデータ） (2026-08-31T17:05:41Z)
• PATH-Bench: Path-Dependent Evaluation of Lifelong Agents [27.837334107109786]
  PATH-Benchは、生涯エージェントのパス依存評価のためのベンチマークである。 SEU(Selective Experience Use)は,経路蓄積経験が各タスクにどのように影響するかを制御するエージェントハーネスである。
  論文  参考訳（メタデータ） (2026-08-02T11:00:04Z)
• Tree-of-Experience: A Structured Experience-Management Solution for Self-Evolving Agents under Low-Repetition and Implicit-Reward Environments [7.400600301289333]
  暗黙の報酬を伴う低繰り返しタスク、過去の経験を再利用するのが難しく、フィードバックが遅れ、うるさい、そして結果レベル。 本研究では,エージェント体験の整理,検索,検証,更新を行う構造化経験管理手法であるTree-of-Experience(ToE)を提案する。
  論文  参考訳（メタデータ） (2026-06-05T06:39:16Z)
• Rethinking Experience Utilization in Self-Evolving Language Model Agents [51.10420305280499]
  自己進化剤は過去の相互作用から経験を蓄積し再利用することで改善する。 本稿では,自己進化型エージェントの重要設計次元としての利用経験について考察する。
  論文  参考訳（メタデータ） (2026-05-08T02:48:49Z)
• Learning Affordances at Inference-Time for Vision-Language-Action Models [50.93181349331096]
  ロボット工学において、VLA(Vision-Language-Action Model)は複雑な制御タスクを解くための有望な道を提供する。 本稿では,VLAの低レベルポリシーを過去の経験を条件とした高レベルVLMに接続するLITEN(Learning from Inference-Time Execution)を紹介する。 提案手法は,低レベルVLAの計画の生成と実行を行う推論フェーズと,その結果を反映した評価フェーズとを反復する。
  論文  参考訳（メタデータ） (2025-10-22T16:43:29Z)
• Dejavu: Post-Deployment Learning for Embodied Agents via Experience Feedback [15.925059945241108]
  本稿では,デジャヴ(Dejavu)というポストデプロイ学習フレームワークを提案する。 EFN(Experience Feedback Network)を採用し、凍結したVision-Language-Actionポリシーを、検索した実行メモリで拡張する。 EFNは文脈的に成功した事前アクション体験と条件アクション予測を自動的に識別する。
  論文  参考訳（メタデータ） (2025-10-11T11:43:58Z)
• Agent Learning via Early Experience [93.83579011718858]
  言語エージェントの長期的な目標は、彼ら自身の経験から学び、改善することであり、最終的には複雑な現実世界のタスクにおいて人間より優れています。 現在のエージェントのほとんどは、専門家データによる教師付き微調整に依存しており、スケールと一般化が不十分である。 本研究では,(1)環境力学における政策の基盤として収集された状態を利用するインプリシット・ワールド・モデリング,(2)エージェントが最適な行動から学習し,推論と意思決定を改善するための自己回帰という2つの手法について検討する。
  論文  参考訳（メタデータ） (2025-10-09T17:59:17Z)
• Learning "What-if" Explanations for Sequential Decision-Making [92.8311073739295]
  実世界の意思決定の解釈可能なパラメータ化を実証行動に基づいて構築することが不可欠である。 そこで我々は,「何」の結果に対する嗜好の観点から,報酬関数をモデル化し,専門家による意思決定の学習的説明を提案する。 本研究は,行動の正確かつ解釈可能な記述を回復する上で,実効的逆強化学習手法であるバッチの有効性を強調した。
  論文  参考訳（メタデータ） (2020-07-02T14:24:17Z)

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。