何が起きたか
arXivプレプリント（論文ID: 2608.11350v1）において、SHAPER（Self-Evolving Embodied Agents via Skill-Harness Evolution）と名付けられた自己進化型フレームワークが提案された。このフレームワークは、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、訓練不要の身体性適応を実現する。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、パラメータ更新なしで外部スキルとコンテキストコードハーネスを洗練させる。評価はVLABenchとESI-Benchで行われ、異なる低レベル行動インターフェースを持つ身体性エージェントを対象に、純粋な実行、教師ありファインチューニング、検証者なし選択や投票などのテスト時スケーリングベースラインと比較された。
Key Facts
| SHAPERは、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自己進化型フレームワークである。 | 出典一覧 |
| SHAPERでは、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、パラメータ更新なしで外部スキルとコンテキストコードハーネスを洗練させる。 | 出典一覧 |
| SHAPERはVLABenchとESI-Benchで評価され、異なる低レベル行動インターフェースを持つ身体性エージェントを対象とした。 | 出典一覧 |
| 比較対象は、純粋な実行、教師ありファインチューニング、検証者なし選択や投票などのテスト時スケーリングベースラインである。 | 出典一覧 |
| 論文は、スキルとハーネスの最適化が、モデル訓練が高コスト、不可能、または望ましくない場合の自己進化型身体性エージェントへの実用的な経路であると示唆している。 | 出典一覧 |
なぜ重要か
この研究は、大規模基盤モデルを中心に構築される身体性エージェントにおいて、モデルパラメータを更新せずに外部のスキルと実行ハーネスを進化させることで適応を実現する新しいアプローチを提案している。教師ありファインチューニングや強化学習が追加のデータ・報酬・訓練を必要とするのに対し、SHAPERは訓練不要で固定インターフェース環境にも適用可能とされる。このため、モデル訓練が高コストまたは不可能な状況での身体性エージェントの適応手法として注目される。