日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自己改善/カリキュラム学習arXiv:2611.13034

ロボットの自己改善のための敵対的共進化フレームワークRoboACE

RoboACE: Adversarial Co-Evolution for Robot Self-Improvement

シェア:XThreadsFacebookLINEはてブBluesky

固定された基盤モデルの周りでカリキュラムと実行ハーネスを交互に進化させ、ロボットエージェントが弱点を探索しながら再利用可能なスキルを自己改善する枠組みを提案。LIBERO系ベンチマークで既存手法を上回る性能を示した。

詳しい要約

1. どんなもの?

- RoboACE(Robot Adversarial Co-Evolution)というフレームワークの提案。 - frozen foundation models を中心に据え、curriculum harness と execution harness を交互に共進化させる。 - 目的はロボットエージェントの再利用可能な skill、planning procedure、recovery strategy の自己改善。 - 実運用は LIBERO 系ベンチマークで評価されたロボット操作エージェント。

2. 先行研究と比べてどこがすごい?

- 従来は固定の practice source で弱点探索が変わらなかったのに対し、practice を選ぶ手続き自体を改訂可能にした点。 - curriculum と execution の両ハーネスを交互更新し、片側を固定して比較する設計。 - 評価された controllers や agent systems を上回ると報告。 - LIBERO-PRO で 74.0% 成功、初期 deployment 比 +15.0pt、VLA controller の直接実行比 +13.5pt。

3. 技術・手法の肝は?

- frozen foundation models の周囲に curriculum harness と execution harness を配置。 - curriculum harness は蓄積された capability evidence から informative な challenge を提案。 - execution harness は再利用可能な revision で応答し実行能力を拡張。 - 交互更新時に片側を固定し、admitted challenges を固定 snapshot として execution revision を比較。 - 開始点は LIBERO の compact な practice conditions。

4. どうやって有効だと検証した?

- LIBERO-family の4つの panel で評価。 - LIBERO-PRO で 74.0% 成功を達成。 - 初期 deployment から +15.0 percentage points、VLA controller の直接実行から +13.5 points の改善。 - case studies で evidence-guided practice selection、drawer-skill grounding、controller intervention の変化を記録。

5. 議論はある?

- 固定 practice source では探索が停滞するという課題への対処が動機。 - 片側固定の交互更新と snapshot 比較により、改善の帰属を扱いやすくする設計。 - ただし要旨からは計算コスト、収束性、他タスクへの汎化、失敗モードの詳細は不明。 - 評価は LIBERO-family に限定されており、実機や他ドメインでの議論は要旨からは不明。

6. 次に読むべき論文は?

- LIBERO(本手法の開始条件と評価に使用)。 - LIBERO-PRO(主要な比較対象ベンチマーク)。 - VLA controller(直接実行の比較対象)。 - curriculum learning および adversarial co-evolution の関連研究(要旨では個別名の参照なし)。

※ 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: Delin Zhao, Zhengrong Yue, Junlin He, Yali Wang

分類: cs.RO

原文アブストラクト

Robot agents can improve reusable skills, planning procedures, and recovery strategies from execution feedback, yet a fixed practice source leaves the search for new weaknesses unchanged. Useful practice depends on the agent's current capabilities, so the procedure that chooses practice must also be revisable. We present RoboACE (Robot Adversarial Co-Evolution), a framework that jointly evolves curriculum and execution harnesses around frozen foundation models. The curriculum harness uses accumulated capability evidence to propose informative challenges, while the execution harness responds with reusable revisions that expand execution capabilities. Alternating updates hold one side fixed as the other changes, and admitted challenges form fixed snapshots for comparing execution revisions. Starting from a compact set of LIBERO practice conditions, the resulting frozen deployment outperforms the evaluated controllers and agent systems across four LIBERO-family panels. On LIBERO-PRO, it reaches 74.0% success, exceeding the initial deployment by 15.0 percentage points and direct execution by its VLA controller by 13.5 points. Case studies document changes to evidence-guided practice selection, drawer-skill grounding, and controller intervention.

  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI