日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

身体化エージェントarXiv:2608.11350

スキル進化による自己進化型身体化エージェント

Self-Evolving Embodied Agents via Skill-Harness Evolution

シェア:XThreadsFacebookLINEはてブBluesky

モデルの重みを固定したまま、再利用可能なスキルとコンテキストコードのハーネスを進化させることで、訓練なしで身体化エージェントを適応させるフレームワークSHAPERを提案した。

詳しい要約

1. どんなもの?

SHAPERは、基盤モデルを中心に構築された身体化エージェントのための自己進化フレームワークである。モデルパラメータを凍結したまま、再利用可能なスキルとコンテキストコードハーネスをターゲット環境でのロールアウトを通じて進化させることで、訓練不要の適応を実現する。同じ凍結モデルがプランナーとオプティマイザーの両方を務め、外部スキルとハーネスをパラメータ更新なしで洗練する。

2. 先行研究と比べてどこがすごい?

従来の教師ありファインチューニングや強化学習は追加データ・報酬・訓練実行を必要とするが、SHAPERはそれらを不要とする。また、多くの訓練不要のコード中心アプローチはプログラム可能なロボットAPIに依存するが、SHAPERは固定インターフェース設定でも機能する。さらに、テスト時スケーリングのベースライン(検証者なし選択や投票)と比較して、スキルとハーネスの最適化が実用的な経路であることを示す。

3. 技術・手法の肝は?

手法の核心は、凍結モデルをプランナーとオプティマイザーの両方として使用し、外部のスキルとコンテキストコードハーネスをターゲット環境でのロールアウトを通じて進化させる点にある。これにより、パラメータ更新なしで非パラメトリックなエージェントシステムを改善する。

4. どうやって有効だと検証した?

VLABenchとESI-Benchの2つのベンチマークで評価し、異なる低レベル行動インターフェースを持つ身体化エージェントを対象とした。純粋な実行、教師ありファインチューニング、テスト時スケーリングのベースライン(検証者なし選択や投票)と比較した。

5. 議論はある?

要旨からは、スキルとハーネスの最適化がモデル訓練が高価・不可能・望ましくない場合の自己進化身体化エージェントへの実用的な経路であると示唆されるが、具体的な限界や議論は不明。

6. 次に読むべき論文は?

要旨で参照されているベースライン手法(verifier-free selection, voting)や、関連するtrain-free code-centric approaches、VLABenchとESI-Benchのデータセットに関する論文が挙げられる。

※ 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: Peidong Wang, Zhiming Ma, Ying Chang, Xufang Luo, Xiaocui Yang, Shi Feng, Yuqing Yang, Dongsheng Li

分類: cs.CL, cs.RO

原文アブストラクト

Embodied agents are increasingly built as systems around foundation models, where performance depends not only on model weights but also on the skills, context, action interfaces, and execution harness surrounding the model. While supervised fine-tuning and reinforcement learning can adapt agents to new environments, they require additional data, rewards, and training runs; meanwhile, many train-free code-centric approaches rely on programmable robot APIs that may be unavailable in fixed-interface settings. We propose SHAPER, a self-evolving framework for train-free embodied adaptation that keeps model parameters frozen and improves the non-parametric agent system by evolving reusable skills and a context-code harness through target-environment rollouts. In SHAPER, the same frozen model can serve as both planner and optimizer, refining its external skills and context-code harness without parameter updates. We evaluate SHAPER on VLABench and ESI-Bench, covering embodied agents with different low-level action interfaces, and compare against pure execution, supervised fine-tuning, and test-time-scaling baselines such as verifier-free selection and voting. Our results suggest that skill-and-harness optimization is a practical route to self-evolving embodied agents when model training is expensive, unavailable, or undesirable.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXO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
  3. 3newmo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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI