EmbodiedCoder: コーディングモデルによるパラメータ化された身体性モバイルマニピュレーション

- EmbodiedCoder は、coding model を用いて open-world な mobile robot manipulation を実現する training-free フレームワーク。 - 高レベル指示をコードに grounding し、実行可能な robot trajectory を直接生成する。 - 追加のデータ収集や fine-tuning を必要とせず、object geometry の parameterization と manipulation trajectory synthesis を可能にする。 - 実 mobile robot 上で多様な long-term task に取り組み、新規物体・環境への汎化を示す。

- 先行の end-to-end vision-language-action frameworks や predefined primitives を用いる modular systems と比較される。 - 先行手法は大規模 annotated datasets に依存し、interpretability が限られる傾向があると指摘。 - EmbodiedCoder は training-free で追加データ・fine-tuning 不要、コードベースで透明性と汎化性を狙う点が特徴。 - fixed primitives を超えて versatile な robot intelligence を目指す。

- coding model が高レベル指示を executable code に変換し、それを介して perception と manipulation を接続する。 - コード上で object geometry を parameterize し、manipulation trajectory を合成する。 - training-free の枠組みで、追加データ収集や fine-tuning を伴わない。 - 具体的な model 名・prompt 設計・code 実行基盤などの詳細は要旨からは不明。

- 実 mobile robots を用いた実験を実施。 - 多様な long-term tasks で robust な performance を示したと報告。 - novel objects および novel environments への generalizes を確認。 - 定量指標・ベースライン・試行数などの詳細は要旨からは不明。

- coding-based paradigm により perception と manipulation を結ぶ transparent で generalizable な方法を提示。 - interpretable に high-level reasoning と low-level control を橋渡しできると主張。 - 限界・失敗事例・計算コスト・安全性などの議論は要旨からは不明。

- 比較対象として示唆される end-to-end vision-language-action frameworks（例: RT-2 系の VLA 研究） - predefined primitives を用いる modular systems（例: SayCan 系の modular planning） - coding model を用いた robot planning の関連研究（Code as Policies など） - open-world mobile manipulation の benchmark・dataset 関連研究