論文の概要: Democratizing Robot-Use Agents: A Unified Harness with Open Models

• arxiv url: http://arxiv.org/abs/2611.01560v2
• Date: Tue, 03 Nov 2026 18:09:09 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:34:43.781813
• Title: Democratizing Robot-Use Agents: A Unified Harness with Open Models
• Title（参考訳）: ロボット利用エージェントの民主化:オープンモデルによる統一的ハーネス
• Abstract要約: 我々は、さらなるトレーニングをサポートする、競争力のあるオープンウェイトロボット用統合ハーネスであるuni-robot-agentを紹介した。 Qwen3.8-Flash-NextのRoboDojoスコアは31.39で、GPT-6のAstra-RoboProbeの28.97と多くのVLA/WAMベースラインを上回っている。 モデル世代,家族,サイズをまたいだ分析は,ロボットの有効利用と4つの一般的な能力とを結びつけ,今後のRUAトレーニングを共同で行うことが示唆された。
• 参考スコア（独自算出の注目度）: 68.51980669864922
• License:
• Abstract: Robot-use Agents (RUAs) have shown promising zero-shot manipulation capabilities, but reliance on frontier, proprietary models limits research into further training. To democratize RUA research, we introduce uni-robot-agent, a unified harness for competitive open-weight robot use that supports further training. Without privileged inputs, an out-of-the-box Qwen3.8-Flash-Next achieves a RoboDojo Score of 31.39, surpassing the published GPT-6 Astra-RoboProbe result of 28.97 and many VLA/WAM baselines, and performs competitively on 19 real-world tasks. Our analysis across model generations, families, and sizes links effective robot use to four general capabilities, suggesting that future RUA training should develop them jointly.
• Abstract（参考訳）: ロボット使用エージェント(RUA)は、将来有望なゼロショット操作能力を示しているが、フロンティアに依存し、プロプライエタリなモデルはさらなるトレーニングの研究を制限する。 RUA研究を民主化するために,より高度なトレーニングを支援するオープンウェイトロボット用統一ハーネスであるuni-robot-agentを導入する。 特権的な入力がなければ、Qwen3.8-Flash-NextはRoboDojoスコア31.39を達成し、発行されたGPT-6 Astra-RoboProbeの28.97と多くのVLA/WAMベースラインを上回り、19の現実世界タスクで競争力を発揮する。 モデル世代,家族,サイズをまたいだ分析は,ロボットの有効利用と4つの一般的な能力とを結びつけ,今後のRUAトレーニングを共同で行うことが示唆された。

関連論文リスト

• Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent [16.22140960171382]
  我々はZAP(Zero-real Agent Policy)を紹介した。ZAP(Zero-real Agent Policy)は、シンプルなツールハーネスを用いてロボットを制御するために、小さな市販の視覚言語モデルを教えるレシピである。 本研究では,世界理解と推論をブートストラップするために,事前訓練された27Bパラメータモデルを用い,ロボットの動作の仕方を教えるために,シンプルなシミュレーションタスクの教師付き微調整とGRPOを行った。 ZAPは実世界のタスクで96.7%成功し、GPT-6 Astraを我々のハーネスでマッチングし、MomoAct2 VLA(33.3%)より優れ、GPT-6 Astraより3倍速く17倍安い。
  論文  参考訳（メタデータ） (2026-10-26T17:44:34Z)
• From Reasoning to Action: Benchmarking Frontier AI Models on LIBERO-10 Robot Manipulation Tasks [4.030388243731636]
  LIBERO-10ベンチマークにおいて、フロンティアAIモデルを評価するための統一的なクローズドループ操作フレームワークを提案する。 GPT-6 Astra, GPT-6.1 Sol, GPT-6 Luna, Claude Opus 5, Claude Opus 5.5, Gemini-4 Argonの6つのフロンティアAIモデルを評価する。 その結果, GPT-6 Astraが44%, Gemini-4 Argonが43%であった。
  論文  参考訳（メタデータ） (2026-10-21T17:11:52Z)
• Scaling Online Exploration for Robot Agents [147.6570058866968]
  RAX(Robot Agent eXploration)は、ロボットエージェントのためのオープンソースのフレームワークである。 本稿では,単腕,両腕,外陰部,移動体,ヒューマノイドシステムを用いて,オンライン探索の精度向上と長期操作作業のスケールについて検討する。 RAXは、人間のデモンストレーションなしで、メモリ依存、調音、高精度、変形可能、および長距離移動操作タスクを自律的に学習する。
  論文  参考訳（メタデータ） (2026-10-15T18:00:28Z)
• QLAUN: A Research-Oriented, Robust, Agile, Modular, and Affordable Torque-Controlled Quadruped Robot [0.0]
  QLAUN Bot (Quad-Legged Adaptive Unmanned Navigator Robot) は、トルク制御された四足歩行ロボットで、研究指向で費用対効果があり、同時に堅牢性と機敏性を達成することを目的としている。 このロボットは、レバノンとMENA地域の大学や研究機関におけるロボット研究の強化を目的とした四足歩行ロボットである。
  論文  参考訳（メタデータ） (2026-09-03T10:12:50Z)
• RoboReward: General-Purpose Vision-Language Reward Models for Robotics [124.34685604054312]
  視覚言語モデル(VLM)は、自動報酬モデルとして期待されているが、実際のロボットタスクにおけるそれらの効果は理解されていない。 大規模な実ロボットコーパス上に構築されたロボティクス報酬データセットとベンチマークであるRoboRewardを導入することで、このギャップを埋めることを目指している。
  論文  参考訳（メタデータ） (2026-01-02T12:47:34Z)
• GR00T N1: An Open Foundation Model for Generalist Humanoid Robots [133.23509142762356]
  汎用ロボットには多目的体と知的な心が必要だ。 近年のヒューマノイドロボットの進歩は、汎用的な自律性を構築するためのハードウェアプラットフォームとして大きな可能性を秘めている。 我々はヒューマノイドロボットのオープン基盤モデルであるGR00T N1を紹介する。
  論文  参考訳（メタデータ） (2025-03-18T21:06:21Z)
• Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
  ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。 我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
  論文  参考訳（メタデータ） (2022-06-29T01:23:57Z)

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。