再構成・練習・実世界展開：身体性エージェントのためのガイド付き自己改善

- ロボット実行システムをモデル重み更新なしで自律改善するフレームワーク RPG (Reconstruct, Practice, Go Real) を提案。 - オフラインデータセットから manipulation capabilities を特定し、simulation 上に関連 practice tasks を構築。 - practice 中に execution feedback、privileged simulator state、dataset videos を用いて失敗を診断。 - 新しい再利用可能な symbolic skills の開発、既存 skills の改良、system prompt の改訂を行う。 - test 時には multimodal LLM が system prompt と skill library を使い perception と robot control を統合。

- 22 manipulation tasks の held-out initializations で、最初の practice round 後 28.6% から 15 rounds 後 95.0% へ成功率を改善。 - 評価した全 baselines を上回る。ASPIRE は 75.5%、CaP-Agent0 powered by GPT-6 Astra Pro は 60.0%。 - 共通の calibration と hardware-adaptation 手順後、frozen system が 3 tasks 各 10 trials の計 30 physical trials すべてで成功。 - モデル重みを更新せずに自律改善を実現する点が特徴。

- offline dataset から manipulation capabilities を特定し、simulation で関連 practice tasks を構築。 - practice 中に execution feedback、privileged simulator state、dataset videos を活用して失敗を診断。 - 診断に基づき、新しい再利用可能な symbolic skills の開発、既存 skills の改良、system prompt の改訂を実施。 - cross-task evaluation により個別候補変更と統合改訂をテストし、保持前に検証。 - test 時は multimodal LLM が system prompt と skill library を用いて perception と robot control を調整。

- 22 manipulation tasks の held-out initializations で評価。 - 成功率が最初の practice round 後 28.6% から 15 rounds 後 95.0% に向上。 - baselines との比較: ASPIRE 75.5%、CaP-Agent0 powered by GPT-6 Astra Pro 60.0% を上回る。 - 共通の calibration と hardware-adaptation 手順後、frozen system が 3 tasks 各 10 trials の計 30 physical trials すべてで成功。

- 要旨からは不明。

- ASPIRE - CaP-Agent0 - GPT-6 Astra Pro