論文の概要: RoboARCade: Benchmarking Agentic Robot Control

• arxiv url: http://arxiv.org/abs/2611.08209v1
• Date: Thu, 05 Nov 2026 16:00:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.568971
• Title: RoboARCade: Benchmarking Agentic Robot Control
• Title（参考訳）: RoboARCade:エージェントロボットのベンチマーク
• Abstract要約: RoboARCadeは、コンテキスト内適応、メモリ、正確な制御のための推論をテストするために設計された操作タスクのベンチマークである。 すべてのタスクは単一のシミュレーションバックエンドであるMuJoCo上で実行され、各タスクは自己完結したデータパックであり、エージェントは交換可能なインターフェースを介して接続される。 GPT-6はAstra 49.8%を達成し、Claude Fable 5.1は43.6%を達成した。
• 参考スコア（独自算出の注目度）: 39.36224775671594
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Improvements in multi-modal capabilities have enabled agents to act directly as robot policies, a setting we refer to as agentic robot control (ARC). We introduce RoboARCade, a benchmark of long-horizon manipulation tasks across three embodiments designed to test in-context adaptation, memory, and reasoning for precise control. The tasks build on existing open-source benchmarks, which we make harder by widening the range of initial conditions. RoboARCade is easy to use and extend: all tasks run on a single simulation backend, MuJoCo, each task is a self-contained data pack, and agents connect through interchangeable interfaces, so new tasks, agents, and interfaces can be added independently. The benchmark separates leading agents: GPT-6 Astra achieves 49.8% compared with 43.6% for Claude Fable 5.1, leaving substantial room for improvement. Comparing two interfaces, we find that a richer visual interface adds only 1.5 to 6.8 points at 1.7 to 2.3 times the cost. Failures stem mostly from choosing a poor manipulation strategy or executing a good one imprecisely, rarely from misunderstanding the scene, and agents incorrectly claim success on 24% to 39% of attempted subtasks. Agents can also improve without human input: one successful demonstration in context raises Astra's score from 53.5% to 73.0% on a five-task subset, and a prompt the agent writes and revises itself reaches 72.0%. Code, videos and full traces are available at roboarcade.org.
• Abstract（参考訳）: マルチモーダル能力の向上により、エージェントは直接ロボットポリシーとして振る舞うことができ、エージェントロボット制御(ARC)と呼ばれる設定が可能になった。 本稿では,コンテキスト内適応,メモリ,および正確な制御のための推論を行うために設計された3つの実施形態を対象とした長期操作タスクのベンチマークであるRoboARCadeを紹介する。 タスクは既存のオープンソースベンチマーク上に構築され、初期条件の範囲を広げることによって、より難しくなります。 すべてのタスクは単一のシミュレーションバックエンドであるMuJoCo上で実行され、各タスクは自己完結したデータパックであり、エージェントは交換可能なインターフェースを介して接続されるため、新しいタスク、エージェント、インターフェイスは独立して追加できる。 GPT-6 Astraは49.8%、Claude Fable 5.1は43.6%で改善の余地を残している。 2つのインタフェースを比較すると、よりリッチなビジュアルインターフェースは1.7から2.3倍の1.5から6.8ポイントしか追加しないことがわかった。 失敗は主に、操作戦略の貧弱な選択や、適切な操作を不正確に実行することによるもので、シーンを誤解することは滅多になく、エージェントは、試みられたサブタスクの24%から39%で誤って成功を主張する。 エージェントは人間の入力なしで改善することもできる: ひとつの成功例では、5タスクサブセットでアストラのスコアが53.5%から73.0%に上昇し、エージェントが書き直して修正するプロンプトが72.0%に達する。 コード、ビデオ、フルトレースは roboarcade.org で公開されている。

関連論文リスト

• Auriga Technical Report: A Task-Agnostic Agent Harness for Zero-Shot Embodied Manipulation [62.55752327741587]
  RoboDojoでは、大きな計画と実行のギャップが、高レベルのタスク決定と物理的実行を分離します。 目標タスクやリセットを伴わないゼロショット操作において,このギャップの68.3%を埋めるタスク非依存のエージェントハーネスであるAurigaを紹介する。
  論文  参考訳（メタデータ） (2026-10-31T16:59:05Z)
• Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution [90.448613284096]
  ロボット・エンベッド(Robota-Embed)を導入し、現在のクエリと記録された将来の継続の両方において、3つのモダリティを共同で符号化する最初の視覚言語アクション埋め込みモデルについて紹介する。 我々は,1,695,684個のトレーニングアンカーを複数ソースで構築し,4000のクエリと8000のギャラリーの共有を備えたRobota-Embed-Benchを紹介した。 Robota-Embedは47.33%のクリップレベルと81.77%のエピソードレベルのR@1を達成した。
  論文  参考訳（メタデータ） (2026-10-14T03:15:23Z)
• PhysEvo: Astra Can Act, Let It [13.546497633698268]
  単一の凍結モデルを中心とした物理的自己改善のためのフレームワークであるPhysEvoを紹介する。 タスクエージェントは、ロボットタスクを実行する。メタエージェントは、結果の軌跡を使用して、障害の診断、ツールやスキルの改訂、テスト修正を行う。
  論文  参考訳（メタデータ） (2026-10-06T18:54:15Z)
• 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)
• Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies [37.54166492459369]
  GPT-6 アストラは数値的なロボット動作を生成する素晴らしい能力を示す。 グリップパ操作では、Astraはタスクターゲットを修正でき、その後のポリシー実行のための接触条件を準備できる。 巧妙な操作では、ハイブリッドコントロールは10回の経験誘導型DexJoCo試験で50%の成功を達成している。 ナビゲーションでは、Astraがローカル比較をリードし、RxR命令で92%、HM3Dオブジェクトサーチで82%成功しました。
  論文  参考訳（メタデータ） (2026-09-29T20:54:47Z)
• Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning [104.97890382020937]
  エージェントメタ推論は,制御選択を明示的かつ構造化する推論時ハーネスである。 ワーカーはタスクレベルの計算を実行し、コントローラは実行が確立したものを統合する。 決定の間、コントローラはその全履歴を再生するのではなく、実行時のコンパクトな説明しか持たない。
  論文  参考訳（メタデータ） (2026-09-29T17:57:25Z)
• Robo-Harness K1: Harnessing Robot-Use Agents via Perception Augmentation [61.15247763568461]
  本稿では,ロボット利用エージェントフレームワークであるRobo-Harness K1を紹介する。 一致した LIBERO-PRO タスクでは、Gemini 3.7 Flash with K1 が 77.8% に達し、GPT-6 Astra の 61.1% を RGB のみのハーネスで上回った。 RoboTwin では Easy で 32.0%、Hard で 28.0% を達成し、視覚的および環境的な摂動に対するレジリエンスを示している。
  論文  参考訳（メタデータ） (2026-09-24T11:16:18Z)
• Embodied Agents Take Control: Minimal-Interface Zero-Shot Agents Rival Industrial-Scale Policies in Vision-and-Language Navigation [27.261164150282706]
  汎用エージェントがループを単独で維持できることがわかった。 我々は、この組織をエージェント・エンボディド・コントロールと呼びます。 より長い地平線、レイテンシ、コンテキスト成長は、持続的な自律性の障壁であり続けているが、これらの結果は、汎用モデルがナビゲーションポリシーなしで既に競争力のある実施制御を達成可能であることを示している。
  論文  参考訳（メタデータ） (2026-07-28T18:00:34Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)

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。