論文の概要: ACE-CaP-0: Real-World Code-as-Policies in the Era of Experience
- arxiv url: http://arxiv.org/abs/2611.16872v1
- Date: Thu, 12 Nov 2026 14:38:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.487661
- Title: ACE-CaP-0: Real-World Code-as-Policies in the Era of Experience
- Title(参考訳): ACE-CaP-0: 経験の時代における実世界のコード・アズ・ポリシー
- Abstract要約: Code as Policies (CaP)は、コーディングエージェントが経験を通じて物理的なスキルを取得し、実行可能なプログラムに保持するためのルートを提供する。
ACE-CaP-0は、要求と需要のシミュレーションのデモを通じて、ポリシー修正と経験獲得を結合するエージェントレシピである。
- 参考スコア(独自算出の注目度): 59.94944612973023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in frontier models have pushed the boundaries of agentic robot control, enabling agents to perform complex robotic tasks through reasoning and interaction. However, repeated calls to these models during execution can substantially increase task completion time. Code as Policies (CaP) offers a route for coding agents to acquire physical skills through experience and retain them in executable programs, allowing the reasoning invested in development to be reused across runs. Developing reliable code policies while limiting the cost of physical experimentation remains a central challenge. We investigate human guidance as a source of priors for feasible actions and simulation as an auxiliary environment for exploring and testing candidate policies. Our findings favor robot demonstrations available on request and simulation used selectively during real-world policy refinement. These findings inform ACE-CaP-0, an agentic recipe that couples policy revision with experience acquisition through Demonstrations on Request and Simulation on Demand. Across eight real-world manipulation tasks spanning alignment, multi-object handling, and bimanual coordination, the resulting frozen programs achieve 92.1\% success (221/240 trials). Mean execution times across tasks range from 0.97 to 2.27 minutes. The programs execute with runtime perception and control, without a human or coding agent in the loop. These results highlight CaP's potential to turn experience into reliable, reusable physical skills.
- Abstract(参考訳): フロンティアモデルの最近の進歩はエージェントロボット制御の境界を押し上げ、エージェントは推論と相互作用を通じて複雑なロボットタスクを実行できるようになった。
しかし、実行中のこれらのモデルに対する繰り返し呼び出しは、タスク完了時間を大幅に増加させる可能性がある。
Code as Policies (CaP)は、コーディングエージェントが経験を通じて物理的なスキルを取得し、実行可能なプログラムに保持するためのルートを提供する。
物理的実験のコストを抑えつつ、信頼性の高いコードポリシーを構築することは、依然として中心的な課題である。
本研究では,候補政策を探索・検証するための補助環境として,現実的な行動やシミュレーションの先駆要因としての人間指導について検討する。
本研究は,現実の政策改善時に選択的に使用したロボットの実演とシミュレーションについて検討した。
これらの結果から、ACE-CaP-0は、需要の要求とシミュレーションの実証を通じて、政策修正と経験の獲得を結合するエージェントレシピである。
アライメント、多目的ハンドリング、双方向コーディネートを含む8つの現実世界の操作タスクにおいて、凍結プログラムは92.1\%の成功(221/240トライアル)を達成した。
タスクの平均実行時間は0.97から2.27分である。
プログラムは実行時の認識と制御で実行され、ループ内に人間やコーディングエージェントがいない。
これらの結果は、CaPが体験を信頼性のある再利用可能な物理的なスキルに変える可能性を浮き彫りにした。
関連論文リスト
- A Controlled Study of Models, Skills, Feedback, and Curriculum in Agentic Robotics [24.60827522272474]
エージェントロボットの自己学習ループを,9つの操作課題にまたがる制御シミュレーション研究により検討した。
実験データによると、ボトルネックは十分な情報へのアクセスではなく、適切なポリシー更新に解釈することが少なくない。
論文 参考訳(メタデータ) (2026-11-06T06:05:16Z) - PyRUA-REAL: Robot Exploration and Adaptive Learning through RSI in the Real World [30.30993442698819]
PyRUA-REALを用いて,実世界の探索,コードの改良,展開を通じて実施した自己改善について検討した。
8つの現実世界のタスクにおいて、PyRUA-REALの平均成功率は91.1%である。
本研究は、物理探査を、継続的な改善と堅牢で効率的な展開をサポートする再利用可能なロボットスキルに変えるための実証的なガイダンスを提供する。
論文 参考訳(メタデータ) (2026-11-04T16:46:03Z) - Agentic RSR: Real-to-Sim-to-Real through Scene Reconstruction and Execution-Grounded Robot Policies [30.386726797060508]
Agentic Real-to-Sim-to-Realは、シーン再構築、ポリシー開発、リアルロボット実行をリンクするフレームワークである。
共有タスクレベルのインタフェースは、ポリシーと蓄積された経験を実際のロボットに伝達し、新鮮な観察と安全チェックがガイド実行をチェックする。
実ロボット実験では、シミュレーションタスク成功率の80%に達し、ハードウェア上でのシミュレーションパフォーマンスの相当な保持を示す。
論文 参考訳(メタデータ) (2026-10-07T17:37:20Z) - EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [54.5481724465918]
EmbodiRSIは、リアルからシミュレート・トゥ・リアル・セッティングにおける反復的な政策改善のためのシステムである。
タスク固有のシミュレーションは、ターゲットのデプロイメントシナリオから構築され、低コストな環境として使用される。
400の適応的なシミュレートされた軌道と、サブタスクごとに10の現実世界の軌道しか持たないため、EmbodiRSIは83.1%のシーンバランスの自律的実世界の成功を達成している。
論文 参考訳(メタデータ) (2026-09-30T03:54:53Z) - CodeActionBench: Evaluating Agentic Code-as-Policy for Embodied Manipulation [55.1660787557339]
CodeActionBenchは、エージェント的なCode-as-Policyを通じてこの機能を評価する25の操作タスクのベンチマークである。
共有ロボットAPIは、RGB観測、校正された幾何学的操作、ロボットのフィードバック、および有界運動を提供し、タスク依存の判断を評価対象に残す。
9つの構成と675の試行で大規模な評価が行われ、成功率は2.7%から73.3%である。
最も強力な構成であるGPT-6 Astra with Codex CLIは、3回の試行で少なくとも25タスクのうち22タスクを解決した。
論文 参考訳(メタデータ) (2026-09-27T17:59:31Z) - ENPIRE: Agentic Robot Policy Self-Improvement in the Real World [40.75426390954145]
ENPIREは、物理フィードバックルーチンを4つのコアモジュールでインスタンス化するコーディングエージェントのためのハーネスフレームワークである。
ENPIREの力で、フロンティアコーディングエージェントは、困難な巧妙な操作タスクで99%の成功率を達成するために、ポリシーを自律的に訓練することができる。
論文 参考訳(メタデータ) (2026-06-18T09:21:27Z) - Playful Agentic Robot Learning [108.08954330298549]
本研究では,実演型プログラミングエージェントが,下流のタスクが到着する前に,連続的なスキル学習段階として自己指導型プレイを使用する,遊び型エージェントロボット学習について検討する。
RATは、新しい学習可能な探索タスク、ロボットコードポリシーの計画と実行、中間的な進捗の検証、失敗の診断、密集したステップレベルのフィードバックによる検索、そして成功した実行を永続的なコードスキルライブラリに蒸留することを提案する。
論文 参考訳(メタデータ) (2026-06-17T17:55:23Z) - CaP-X: A Framework for Benchmarking and Improving Coding Agents for Robot Manipulation [48.85772216740915]
"Code-as-Policy" は、実行可能コードがデータ集約型のVision-Language-Actionメソッドを補完する方法について考察している。
ロボット操作におけるCode-as-PolicyエージェントのオープンアクセスフレームワークであるCaP-Xを提案する。
論文 参考訳(メタデータ) (2026-03-23T18:08:10Z) - Zero-Shot Whole-Body Humanoid Control via Behavioral Foundation Models [71.34520793462069]
教師なし強化学習(RL)は、複雑な環境下で幅広い下流タスクを解くことができる事前学習エージェントを目標としている。
本稿では,ラベルのない行動データセットからトラジェクトリを模倣するための,教師なしRLの正規化アルゴリズムを提案する。
我々は,この手法の有効性を,挑戦的なヒューマノイド制御問題において実証する。
論文 参考訳(メタデータ) (2025-04-15T10:41:11Z)
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。