日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

エージェント/経験進化arXiv:2607.27690

LabEvolver: 訓練不要の経験進化による安全で接地されたウェットラボエージェント

LabEvolver: Training-Free Experience Evolution for Safe and Grounded Wet-Lab Agents

シェア:XThreadsFacebookLINEはてブBluesky

実行経験からエピソード記憶を獲得し、安全検証を伴う適応的知覚・計画を行う訓練不要のフレームワークを提案。pH調整タスクで時間と安全介入を大幅削減し、ALFWorldでも成功率を向上させた。

詳しい要約

1. どんなもの?

LabEvolverは、訓練不要で実行経験からエピソード記憶を獲得し、安全かつ接地されたwet-labエージェントを実現するフレームワーク。内側の試行ループ(状態接地による適応的知覚、オンライン計画、安全性検証)と外側の進化ループ(完了した軌跡を再利用可能なスキル・戦略・安全経験に蒸留)を結合する。

2. 先行研究と比べてどこがすごい?

従来のReActなどのエージェントは経験を蓄積せず、各タスクを独立に処理するため、継続的な性能向上が難しい。LabEvolverは訓練不要で実行経験を進化的に蓄積・再利用する点が新しく、wet-lab環境での実世界実証とALFWorldでの汎用性向上を示した。

3. 技術・手法の肝は?

手法の肝は二重ループ構造。内側ループでは状態接地により知覚・計画・安全性検証を適応的に行い、外側ループでは完了した軌跡をスキル、戦略、安全経験として蒸留し、エピソード記憶に蓄積する。これにより、試行錯誤を通じて経験が進化し、将来のタスクに活用される。

4. どうやって有効だと検証した?

ロボットによる溶液調製タスクで実世界検証し、pH調整の完了時間を48.2%、安全ゲート介入を60.0%削減。さらにALFWorldで500の連続タスクを実行し、20ステップ以内の累積成功率をReActの76.2%から91.4%に向上させ、wet-lab以外への汎用性も確認した。

5. 議論はある?

要旨からは、訓練不要の経験進化が閉ループの自動科学発見への有望な道であると主張するが、計算コストや安全性の保証、他の実験タスクへの拡張性、長期的な経験の質の維持などに関する議論は明示されていない。

6. 次に読むべき論文は?

要旨で比較されているReAct、および関連するALFWorldベンチマーク、また経験蒸留やエピソード記憶を用いたエージェント研究(例:Voyager、Reflexion)が挙げられる。

※ 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: Jingya Wang, Yuyang Gao, Liuzhenghao Lv, Yonghong Tian, Yuyang Liu

分類: cs.RO, cs.AI

原文アブストラクト

We introduce LabEvolver, a training-free framework that equips safe and grounded wet-lab agents with episodic memory from execution experience. LabEvolver couples a state-grounded inner trial loop for adaptive perception, online planning, and safety validation with an outer evolution loop that distills completed trajectories into reusable skill, strategy, and safety experience. On robotic solution-preparation tasks, LabEvolver demonstrates real-world feasibility, reducing pH-regulation completion time and safety-gate intercepts by 48.2% and 60.0%, respectively. On ALFWorld, it further improves cumulative success rate within 20 steps from 76.2% with ReAct to 91.4% over 500 continual tasks, showing generality beyond wet-lab settings. These results support learn-by-doing experience evolution as a feasible path toward closed-loop automated scientific discovery. The project page is available at https://andygao6186.github.io/LabEvolver/.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI