ReSkill: ロボットマニピュレーションのための選択的自己改善フレームワーク

- ロボットの compositional manipulation task における selective self-improvement framework「ReSkill」 - coding agent が instruction と skill library から object-centric task graph を構築し、node-level execution records で失敗箇所を特定 - task level では stage organization・hand-off conditions・recovery routes を、skill level では perception・motion・manipulation・verification を改訂 - 改訂候補は full-task evaluation と paired comparisons を経て採用され、検証済み skill と独立実行可能な policy として蓄積 - agent は開発時のみ関与し、deployed policy は run time に agent を呼ばず retaine…

- 従来の self-improvement と異なり、改訂を capability gaps に集中させる selective な枠組み - 単なる全体再生成ではなく、node-level execution records に基づき局所的な欠陥を特定して修正 - task level と skill level の両方で改訂対象を切り分ける階層的な改善 - 改訂候補を full-task evaluation と paired comparisons で検証してから採用する点 - 具体的な先行研究との比較は要旨からは不明

- coding agent が instruction と skill library から object-centric task graph を構築 - node-level execution records を用いて失敗 node を特定 - task level の改訂: stage organization、hand-off conditions、recovery routes - skill level の改訂: 繰り返し失敗する perception・motion・manipulation・verification の強化 - 候補改訂に対し full-task evaluation と paired comparisons を実施し、採用可否を判断 - 採用された改訂は validated skills として蓄積され、独立実行可能な policy を形成 - 展開時は agent を呼ばず retained skills のみで実行

- 同一 development set 上の RoboDojo 10 タスクで平均成功率が初期版 30.0% から最終採用プログラム 86.2% へ向上 - retained programs は recorded robustness および model-selection evaluations で 83.6% を達成 - 実世界 8 タスクで rebuilt-simulation trials は 80 試行中 72 成功、real-robot trials は 80 試行中 62 成功(77.5%) - 改訂の中央値は 3 関数のみでプログラムの約 0.5% - 後から追加したタスクの task-specific functions の 39% が既存実装を直接再利用

- 局所的な欠陥の特定・候補変更の検証・再利用可能 skill の蓄積が compositional manipulation task の実行改善に有効であることを示唆 - 改訂が小さく抑えられ(中央値 3 関数、約 0.5%)、skill の再利用が進む点を強調 - 一方で、要旨には限界・失敗事例・計算コスト・agent 依存性などの議論は明記されていない - 詳細な議論は要旨からは不明

- 要旨で参照・比較されている個別研究は明記されていない - 関連手法として self-improvement、coding agent、skill library、task graph、RoboDojo に関する研究を挙げる - 具体的な次読論文は要旨からは不明