論文の概要: RoboArchitect: Automating the Design of Robotic Agents with Persistent Memory
- arxiv url: http://arxiv.org/abs/2610.42141v1
- Date: Fri, 30 Oct 2026 17:58:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.867547
- Title: RoboArchitect: Automating the Design of Robotic Agents with Persistent Memory
- Title（参考訳）: RoboArchitect: 永続記憶によるロボットエージェントの設計を自動化する
- Abstract要約: ハーネス設計は自動化可能であることを示し、新しいセットアップのファインタニングに強力な代替手段を提供する。
RoboArchitectでは、コーディングモデルがロボットのロールアウトを観察し、障害を診断し、凍結したポリシーに関するハーネスを反復的に修正する。
モデルウェイトを更新することなく、RoboArchitectは平均的な成功率を9.7%から43.3%に引き上げている。
- 参考スコア（独自算出の注目度）: 15.330295307410106
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent work shows that a frozen robot policy performs far better inside an agent harness, where control code decides when to query the policy, consult vision tools, or command the arm directly. Yet today these harnesses are built by hand and redesigned for each new robot or benchmark. We show that harness design can be automated, offering a strong alternative to finetuning on a novel setup. In RoboArchitect, a coding model observes a robot's rollouts, diagnoses failures, and iteratively revises the harness around the frozen policy. The harness evolves on a set of episodes for its optimization and is evaluated on held-out scenes and tasks. Without updating any model weights, RoboArchitect raises average success from 9.7% to 43.3% on unseen scenes (4.5x) and from 12.7% to 40.2% on unseen tasks (3.2x), across multiple benchmarks and policies. The gains are largest where the benchmark is far from the policy's training data: wrapping a general-purpose policy, the evolved harness yields a specialist that often outperforms even the finetuned version. Intuitive control strategies are automatically designed, such as lifting a jammed arm clear or reaching in horizontally when an obstacle blocks the way from above. The harness also evolves its own persistent memory, carrying learned experience, such as effective grasp depths, into later decisions. These results suggest that substantial headroom in robotic manipulation lies in the agent harness, and its design can be effectively automated and optimized without weight updates.
- Abstract（参考訳）: 最近の研究によると、凍結したロボットポリシーはエージェントハーネス内ではるかによく機能し、制御コードがポリシーをいつ問い合わせるか、ビジョンツールを照会するか、あるいは腕を直接指示するかを判断する。
しかし今日では、これらのハーネスは手作業で作られ、新しいロボットやベンチマークごとに再設計されている。
ハーネス設計は自動化可能であることを示し、新しいセットアップのファインタニングに強力な代替手段を提供する。
RoboArchitectでは、コーディングモデルがロボットのロールアウトを観察し、障害を診断し、凍結したポリシーに関するハーネスを反復的に修正する。
ハーネスは最適化のために一連のエピソードで進化し、ホールドアウトシーンやタスクで評価される。
モデルウェイトを更新することなく、RoboArchitectは平均的な成功を9.7%から43.3%まで、未確認のシーン(4.5x)では12.7%から40.2%へと引き上げている。
汎用的なポリシーをラップすることで、進化したハーネスは、しばしば微調整されたバージョンよりもパフォーマンスの高いスペシャリストを得る。
直感的な制御戦略は自動的に設計される。例えば、障害物が上から進路を塞ぐとき、ジャムされた腕を持ち上げる、水平に到達するなどである。
また、ハーネスは自身の永続記憶を進化させ、効果的な把握深度などの学習経験を後続の意思決定に持っていく。
これらの結果から,ロボット操作のヘッドルームがエージェントハーネス内にあることが示唆された。
関連論文リスト
- EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution [67.8338816777088]
EmbodiedRSIは、次に探索する場所を自律的に決定する自己進化型エージェントハーネスである。
これはFast-Slow Dual-System Architectureを通じて実現します。
RoboCasa365では、EmbodiedRSIは77.0%、Composite-Unseenでは71.3%に達した。
論文 参考訳（メタデータ） (2026-10-07T17:48:02Z) - Co-Evolving Robot Orchestrators and Policies through Deployment [39.83012561389426]
視覚言語モデル(VLM)オーケストレータは、ポリシーをいつ呼び出すか、どのように指示するか、代わりにスクリプトスキルを使用するかを学ぶ。
デプロイ中にオーケストレータとポリシが共進化するRobo-COPを提案する。
シミュレーションされた10のRoboLabタスクの中で、Robo-COPは、凍結したポリシーで同じハーネスで64.8%から73.8%のホールドアウト成功率を示した。
論文 参考訳（メタデータ） (2026-10-06T23:44:35Z) - Scale and Selection: What Makes Automatic Harness Evolution Work for Visual-Interface Robot Agents [0.9961969009329336]
市販の符号化エージェントのハーネスは,他のエージェントによって自動的に改善可能であることを示す。
単一ロールアウトはノイズの多いバイナリ結果なので、1ラウンドあたりのロールアウトが少なく、運良くリビジョンを推進できます。
修正されるたびに、不確定な編集が蓄積されると、10ラウンド以内にパフォーマンスが下向きにドリフトする。
論文 参考訳（メタデータ） (2026-09-30T08:46:38Z) - Make Code as Policy Great Again: Frontier Agents Write, Call, and Evolve Robot Tools [15.969252442943345]
URAI(Universal Robot-Agent Interface)は、ロボットツールを構築するプログラミングエージェントと、それらをフィードバックループで使用する実行エージェントを結合する。
我々は,現実世界の7つのAgileXデュアルアームタスク,オブジェクト操作,布の折り畳み,人と対話するtic-tac-toeについて,URAIを評価した。
論文 参考訳（メタデータ） (2026-09-30T05:23:25Z) - HarnessPAI: An Evolving Harness for Physical AI [64.91964104275483]
本稿では,物理AIのためのモデルおよび具体化に依存しないフレームワークであるHarnessPAIを紹介する。
ロールアウト内では、プログラムレベルでオープンループを実行する。
デスクトップロボットアーム、家庭用ロボット、ロボット掃除機、そして歩行エージェントのHarnessPAIは、純粋なアクションモデルとコード・アズ・ポリティクスのベースラインの両方を改善している。
論文 参考訳（メタデータ） (2026-09-24T07:40:00Z) - Workspace Optimization: How to Train Your Agent [49.579258311548635]
我々はエージェントのEmphworkspaceであり、それが読み取り、書き込み、テストする構造化された外部基質であると主張している。
本稿では,重み空間トレーニングの構造を反映して,作業空間を進化させる原理的手法を提案する。
ARC-AGI-3のマルチエージェントハーネスであるDreamTeamのアイデアをインスタンス化する。
論文 参考訳（メタデータ） (2026-05-10T16:52:10Z) - Ctrl-World: A Controllable Generative World Model for Robot Manipulation [53.71061464925014]
汎用ロボットポリシーは、幅広い操作スキルを実行することができる。
未知の物体や命令で 彼らの能力を評価し 改善することは 重要な課題です
世界モデルは、イマジネーション空間内でポリシーの展開を可能にすることで、有望でスケーラブルな代替手段を提供する。
論文 参考訳（メタデータ） (2025-10-11T09:13:10Z) - Polybot: Training One Policy Across Robots While Embracing Variability [70.74462430582163]
複数のロボットプラットフォームにデプロイするための単一のポリシーをトレーニングするための重要な設計決定セットを提案する。
われわれのフレームワークは、まず、手首カメラを利用して、我々のポリシーの観察空間と行動空間を具体化して調整する。
6つのタスクと3つのロボットにまたがる60時間以上のデータセットを用いて,関節の形状や大きさの異なるデータセットの評価を行った。
論文 参考訳（メタデータ） (2023-07-07T17:21:16Z)
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。