論文の概要: Can LLMs Debug Robots by Editing Their Weights?
- arxiv url: http://arxiv.org/abs/2611.09376v1
- Date: Fri, 06 Nov 2026 12:16:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-09 22:29:06.91193
- Title: Can LLMs Debug Robots by Editing Their Weights?
- Title(参考訳): LLMは重みを編集することでロボットをデバッグできるのか?
- Abstract要約: 言語モデルは65行のトークン埋め込み行だけを編集することで、ロボットポリシーの語彙的命令グラウンドを修復することができる。
$_0.5$の3つの独立したセッションは、765の保留パラフレーズの成功を改善した。
- 参考スコア(独自算出の注目度): 56.821001761391095
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A language model can repair a robot policy's lexical instruction grounding by editing just 65 token-embedding rows. We bring weight-space programming to robot foundation policies: GPT-6 Astra reads weights and uses a CPU workspace and budgeted simulator feedback, without gradient updates or new demonstrations. Three independent sessions on $π_{0.5}$ all improve success on 765 held-out paraphrases; the best raises success from 86.3\% to 92.0\% (48 repairs, four regressions; exact paired $p=1.31\times10^{-10}$). Among the 335 instructions containing edited tokens, success rises from 74.3\% to 87.5\%; the other 430 episodes have zero outcome changes. Matched random-direction edits do not help. Full replacement using the editor's own lexicon explains much of the gain but produces more regressions; its direct difference from the editor is not significant at 0.05. Across 13 further robot sessions, the editor declines 12 candidates; the sole retained edit does not show a significant held-out gain. Separately, benchmark metadata lowers FastWAM success from 70.0\% to 48.6\%, while the evaluated VLA's aggregate rate is unchanged. The evidence supports precise lexical repair, not general acquisition of missing robot capabilities.
- Abstract(参考訳): 言語モデルは65行のトークン埋め込み行だけを編集することで、ロボットポリシーの語彙的命令グラウンドを修復することができる。
GPT-6 Astraはウェイトを読み、CPUワークスペースと予算化されたシミュレータフィードバックを使用します。
π_{0.5}$の3つの独立したセッションは、765の保留パラフレーズの成功を改善し、最高は86.3\%から92.0\%に上昇する(48の修復、4つの回帰、正確なペアの$p=1.31\times10^{-10}$)。
編集されたトークンを含む335の命令のうち、成功率は74.3\%から87.5\%に上昇する。
一致したランダムな方向編集は役に立たない。
エディタのレキシコンを使用した完全な置換は、多くの利得を説明できるが、さらなるレグレッションをもたらす。
さらに13のロボットセッションで、編集者は12の候補を減らした。
ベンチマークメタデータはFastWAMの成功率を70.0\%から48.6\%に下げるが、評価されたVLAの集計レートは変わらない。
この証拠は、行方不明のロボット能力の一般獲得ではなく、正確な語彙的修復を支持している。
関連論文リスト
- Rewrite, Then Veto: Rewriter-Agnostic Edit Gating for LLM-Based Post-OCR Correction [0.0]
完全テキスト LLM 書き換え後のveto ゲートである EditVeto を提案する。
ゲートは2つのQwen3モデルの書き換えで訓練され、8つのHIPE-OC-2026テストセットで評価、凍結された。
論文 参考訳(メタデータ) (2026-11-03T19:31:36Z) - Auriga Technical Report: A Task-Agnostic Agent Harness for Zero-Shot Embodied Manipulation [62.55752327741587]
RoboDojoでは、大きな計画と実行のギャップが、高レベルのタスク決定と物理的実行を分離します。
目標タスクやリセットを伴わないゼロショット操作において,このギャップの68.3%を埋めるタスク非依存のエージェントハーネスであるAurigaを紹介する。
論文 参考訳(メタデータ) (2026-10-31T16:59:05Z) - Rephrase Before You Act: Characterizing and Mitigating Language Sensitivity in Vision-Language-Action Models [2.756799182619788]
視覚言語アクションモデル(VLA)は命令のフレーズに非常に敏感である。
我々は,この感度を統計的に検証されたシングルエジット・スウィングとオラクル・フレーズ・サーチで特徴付ける。
言い換えだけでは、分配タスクと分配タスクの21ポイントの差をほぼ埋めることを示す。
論文 参考訳(メタデータ) (2026-10-07T17:57:38Z) - Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents [50.03584684933779]
本稿では,ロボット実行システムの自律的改善のためのフレームワークであるReconstruct, Practice, Go Real(RPG)を紹介する。
RPGはオフラインデータセットの操作機能を特定し、シミュレーションで関連するプラクティスタスクを構築する。
新しい再利用可能なシンボリックスキルを開発し、既存のスキルを洗練させ、これらの診断に基づいてシステムプロンプトを改訂する。
論文 参考訳(メタデータ) (2026-10-01T17:59:50Z) - Spotter: Let the Embodied Model Lead, and the VLM Reflect for It [90.10618759230066]
現行の具体化モデルは、失敗に反応しないが、失敗に終わったことは、次の試みの微調整を知らせる可能性がある。
本稿では,その役割を逆転するSputterを提案する。
GPTにより、Sputterはコスモス政策を5.6ドル、RoboCasaの7.5ポイント改善し、47.2%から57.0%に$_0.5ドルを引き上げている。
VLMはエラーが確認された場合にのみステップするので、Qwenで成功したエピソードは13から13にしかならない。
論文 参考訳(メタデータ) (2026-09-29T06:21:50Z) - Think Only When Needed: Prompt-Authority Control for Selective Slow-Path Intervention in Vision-Language-Action Manipulation [4.910253409228634]
ToWN-VLA(英語版)は、ポリシー入力を変更するために、候補生成を許可から分離するプロンプトオーソリティインタフェースである。
525のルートは、一致するハッシュでベースを回復し、375の承認されたプロンプトは全て、タスクシグネチャを保存する。
凍ったピロフィブチェックポイントを持つ物理のPiPERアームでは、成功率は52.7%から、150回の試験で78.7%に上昇する。
論文 参考訳(メタデータ) (2026-08-24T13:18:01Z) - Validation Evidence in LLM Repair Agents: How Much of What Passes Actually Tests the Bug? [1.6787220460106658]
BSG-VAは、各バリデーションコマンドをその正確な作業ツリー状態にキャプチャし、テストのみのパッチを抽出し、元のバギーコードでコマンドを再生する。
キャプチャされた結果とリプレイ結果は、ゴールドアラインのバグ識別からレグレッションのみ、誤解を招くまで、すべてのイベントにエビデンスの役割を割り当てます。
エージェントにB-replay結果を返すかどうかを3本腕で実験すると、このパターンが変わる。
論文 参考訳(メタデータ) (2026-07-30T22:32:14Z) - Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。
Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
論文 参考訳(メタデータ) (2026-07-15T17:16:24Z)
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。