VLA/長期的タスク2026/3/1arXiv:2603.11558

RoboClaw: 長期的ロボットタスクのためのスケーラブルなエージェント型フレームワーク

RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks

RoboClawは、データ収集・ポリシー学習・タスク実行を単一のVLM駆動コントローラで統合し、自己リセット機構により人間の介入を最小限に抑えつつ長期的タスクを自律的に実行するロボットフレームワークを提案する。

詳しい要約

1. どんなもの？

- VLA (Vision-Language-Action) システムを長期的タスクに拡張するための agentic robotics framework である RoboClaw を提案。 - データ収集、policy learning、タスク実行を単一の VLM-driven controller の下で統合。 - policy level では Entangled Action Pairs (EAP) を導入し、forward manipulation と inverse recovery を組み合わせて自己リセットループを形成。 - これにより人間の介入を最小限に抑えた連続的な on-policy データ収集と反復的な policy refinement を実現。 - 展開時には同じ agent が高レベル推論を行い、学習済み policy primitives を動的に編成して長期的タスクを遂行。

2. 先行研究と比べてどこがすごい？

- 既存のパイプラインはデータ収集、policy learning、展開を分離しており、手動環境リセットや脆い multi-policy 実行に依存。 - RoboClaw はこれらを単一の VLM-driven controller で統合し、自己リセットループにより人間の介入を削減。 - 収集と実行で一貫した文脈意味を維持することで、両フェーズ間のミスマッチを低減し、multi-policy の堅牢性を向上。 - 実世界の操作タスクで、従来の open-loop パイプラインと比較して安定性とスケーラビリティが改善。 - 長期的タスクでベースライン比 25% の成功率向上、人間の時間投資を 53.7% 削減。

3. 技術・手法の肝は？

- VLM-driven controller がデータ収集、policy learning、タスク実行を統合。 - Entangled Action Pairs (EAP) が forward manipulation と inverse recovery を結合し、自己リセットループを形成。 - これにより連続的な on-policy データ取得と反復的な policy refinement が可能。 - 展開時には同じ agent が高レベル推論を行い、学習済み policy primitives を動的に編成。 - 収集と実行で一貫した文脈意味を維持し、ミスマッチを低減。

4. どうやって有効だと検証した？

- 実世界の操作タスクで実験を実施。 - 従来の open-loop パイプラインと比較して、安定性とスケーラビリティが改善。 - 長期的タスクでベースライン比 25% の成功率向上を達成。 - 人間の時間投資を 53.7% 削減。 - ロボットライフサイクル全体で人間の労力を大幅に削減。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として VLA (Vision-Language-Action) システム、open-loop パイプライン、multi-policy 実行が挙げられる。 - 同分野の定番として、RT-1、RT-2、Diffusion Policy などが考えられるが、要旨では具体的に言及されていない。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ruiying Li, Yunlang Zhou, YuYao Zhu, Kylin Chen, Jingyuan Wang, Sukai Wang, Kongtao Hu, Minhui Yu, Bowen Jiang, Zhan Su, Jiayao Ma, Xin He, Yongjian Shen, Yang Yang, Guanghui Ren, Maoqing Yao, Wenhao Wang, Yao Mu

分類: cs.RO, cs.AI

原文アブストラクト

Vision-Language-Action (VLA) systems have shown strong potential for language-driven robotic manipulation. However, scaling them to long-horizon tasks remains challenging. Existing pipelines typically separate data collection, policy learning, and deployment, resulting in heavy reliance on manual environment resets and brittle multi-policy execution. We present RoboClaw, an agentic robotics framework that unifies data collection, policy learning, and task execution under a single VLM-driven controller. At the policy level, RoboClaw introduces Entangled Action Pairs (EAP), which couple forward manipulation behaviors with inverse recovery actions to form self-resetting loops for autonomous data collection. This mechanism enables continuous on-policy data acquisition and iterative policy refinement with minimal human intervention. During deployment, the same agent performs high-level reasoning and dynamically orchestrates learned policy primitives to accomplish long-horizon tasks. By maintaining consistent contextual semantics across collection and execution, RoboClaw reduces mismatch between the two phases and improves multi-policy robustness. Experiments in real-world manipulation tasks demonstrate improved stability and scalability compared to conventional open-loop pipelines, while significantly reducing human effort throughout the robot lifecycle, achieving a 25% improvement in success rate over baseline methods on long-horizon tasks and reducing human time investment by 53.7%.

arXivで原文を読む →arXiv概要ページ

← 論文一覧