論文の概要: ProLoop: Progress-Aware Closed-Loop Framework via Structured State Relations for Long-Horizon Robotic Task Planning

• arxiv url: http://arxiv.org/abs/2610.39319v1
• Date: Thu, 29 Oct 2026 04:03:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 00:14:31.124033
• Title: ProLoop: Progress-Aware Closed-Loop Framework via Structured State Relations for Long-Horizon Robotic Task Planning
• Title（参考訳）: ProLoop: 長期ロボットタスク計画のための構造化状態関係によるプログレッシブ・アウェアクローズド・ループ・フレームワーク
• Abstract要約: ProLoopはプログレッシブ・アウェアのクローズド・ループ・フレームワークで、要求状態と実行状態の間の構造化関係から明確なサブゴナル・プログレッシブを導出する。 実験の結果、ProLoopは全体の成功率を12.94%、ハードタスクを15.46%改善し、環境相互作用を32.3%削減した。
• 参考スコア（独自算出の注目度）: 6.489112953922867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon robotic tasks are commonly decomposed into semantic subgoals to simplify planning. However, subgoal progress in LLM-based planning is typically inferred implicitly from interaction histories. Inaccurate estimates can misguide execution and allow local errors to propagate. To address this, we propose ProLoop, a Progress-Aware Closed-Loop framework that derives explicit subgoal progress from structured relations between desired and execution states. A learned State-Relation Monitor assesses these relations, which are then aggregated into subgoal progress as ongoing, deviated, or completed. The resulting progress guides execution adaptation, enabling reliable progress-aware control throughout execution. Experiments on AgentBoard ALFWorld and a real-world robotic platform show that ProLoop improves success rate by 12.94% overall and by 15.46% on Hard tasks, while reducing environment interactions by 32.3%.
• Abstract（参考訳）: ロングホライズンロボットのタスクは、計画を簡単にするために一般的にセマンティックサブゴールに分解される。 しかしながら、LLMに基づく計画のサブゴナルな進歩は、通常、相互作用履歴から暗黙的に推測される。 不正確な見積もりは、実行を誤解し、ローカルエラーが伝播することを許す。 そこで我々はProLoopというプログレッシブ・アウェア・クローズド・ループ・フレームワークを提案する。 学習された状態関係モニターはこれらの関係を評価し、その関係は継続、逸脱、完了としてサブゴールの進行に集約される。 その結果、プログレッシブは実行適応をガイドし、実行を通して信頼できるプログレッシブ・アウェア・コントロールを可能にする。 AgentBoard ALFWorldと現実世界のロボットプラットフォームの実験では、ProLoopは成功率を12.94%、ハードタスクは15.46%改善し、環境相互作用を32.3%削減している。

関連論文リスト

• Event2Reward: Learning Robotic Rewards from Progress Relations [44.169697821523776]
  Event2Rewardは、正規化された時間ラベルを使って進捗スケールと軌道内関係を固定し、局所的な変化を制限します。 Event2Rewardは、スパースタスク報酬のみを使用して、ベースライン上の平均ポリシー成功率を18.16ポイント改善する。 実際のロボットでは、30分間のウォールクロックトレーニング後の平均成功率は、3つの正確な挿入タスクで60.0%、そして3つのオブジェクト操作タスクで90.0%に達する。
  論文  参考訳（メタデータ） (2026-10-29T02:34:14Z)
• MATCH: Execution-Aware Hierarchical Reinforcement Learning for Vision-and-Language Navigation in Continuous Environment [19.099287640143434]
  MATCHは言語条件のプランナーとプリミティブアクションエグゼキュータを共同で学習するフレームワークである。 R2R-CEベンチマークとRxR-CEベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-10-28T03:56:17Z)
• From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation [90.66992093913662]
  長距離タスクはマルコフに依存しない。 低レベルの実行から高レベルの計画を切り離す階層アーキテクチャを導入します。 本稿では,SERA(Self-Evolving Robotic Agent)として,VLAエグゼキュータを固定した手法を提案する。
  論文  参考訳（メタデータ） (2026-10-21T10:49:49Z)
• Success Leaves Detours: Learning Executable Walkthroughs for Long-Horizon Agents [11.833965746124408]
  テストタイムの自己進化エージェントは過去の経験を再利用することで改善されるが、スパース・リワード・トラジェクトリには障害、ループ、デトゥールが含まれる。 我々は、ノイズの多いトラジェクトリを実行可能なウォークスルーメモリにコンパイルする依存基盤フレームワークであるTraceを提案する。 J-TTL、WebShop、ScienceWorldの3つのオープンソースのLCMによる実験によると、トレースは8つのテスト時間学習とメモリベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-08-20T01:10:11Z)
• HIPIF: Hierarchical Planning and Information Folding for Long-Horizon LLM Agent Learning [51.95194664412812]
  大規模言語モデル(LLM)は、幅広いタスクにまたがる自律エージェントとして強力な能力を示している。 長期LLMエージェント学習のための階層的計画と情報フォールディング(HIPIF)を提案する。 HIPIFはエージェントをエンドツーエンドにトレーニングし、明示的なサブゴールの周りに長い水平実行を組織すると同時に、完了したサブゴール履歴を折り畳み、長いコンテキスト干渉を減らす。
  論文  参考訳（メタデータ） (2026-06-09T07:35:14Z)
• Long-Horizon Manipulation via Trace-Conditioned VLA Planning [55.80061850746898]
  LoHo-Manipは、短い水平VLA実行を専用のタスク管理VLMを介して長い水平命令にスケールするフレームワークである。 LoHo-Manipは、サブタスクシーケンスと明示的な完了+残り分割を軽量言語メモリとして組み合わせた、進捗対応の残計画を予測する。 実行器VLAは、レンダリングされたトレースの条件に適合し、長い水平決定を繰り返しローカル制御に変換する。
  論文  参考訳（メタデータ） (2026-04-23T17:59:04Z)
• PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation [27.791908160098625]
  PALMは、インタラクション中心のアベイランス推論とサブタスクプログレスキューに関するポリシー学習を構築する。 Palmはシミュレーションや実世界の実験において、一貫してベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-01-11T21:00:58Z)
• ReCAP: Recursive Context-Aware Reasoning and Planning for Large Language Model Agents [61.51091799997476]
  ReCAP(Recursive Context-Aware Reasoning and Planning)は,大規模言語モデル(LLM)における推論と計画のためのコンテキストを共有する階層型フレームワークである。 ReCAPは、プラン-アヘッド分解、親プランの構造化された再注入、メモリ効率の高い実行という3つの重要なメカニズムを組み合わせる。 実験により、ReCAPは様々なロングホライゾン推論ベンチマークにおけるサブゴールアライメントと成功率を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-10-27T20:03:55Z)
• PARL-MT: Learning to Call Functions in Multi-Turn Conversation with Progress Awareness [57.020401590532686]
  マルチターン関数呼び出しのためのLLMトレーニングに進捗認識を明示的に組み込むフレームワークであるPARL-MTを導入する。 PARL-MTは既存の手法よりも優れており、堅牢で効率的なマルチターン関数呼び出しの実現における進捗認識の有効性を強調している。
  論文  参考訳（メタデータ） (2025-09-27T09:32:27Z)

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。