VLA2026/8/17arXiv:2608.17209v1

教えて育てる：汎用ロボット学習のためのエージェント中心アーキテクチャ

Teach and Grow: An Agent-Centered Architecture for General Robot Learning

この論文は、少数のデモから再利用可能なスキルブロックを学習し、新しいシーンでそれらを組み合わせてタスクを実行するエージェント中心のアーキテクチャ（TGL）を提案し、再学習の負担を軽減する。

詳しい要約

1. どんなもの？

本論文は、汎用ロボット学習のためのエージェント中心アーキテクチャであるTeach-and-Grow Learning (TGL)を提案している。TGLは、マルチモーダルエージェントが少数の成功デモンストレーションを再利用可能なSkill Blocksに変換し、新しいシーンでそれらを基盤化・構成し、物理的結果を観察して実行が意図から逸脱した場合に経路を修正する。Skill Libraryが実行可能な行動を格納し、Experience Memoryが成功・失敗・修復を記録する。タスク固有のポリシー再学習なしで新しいタスクを獲得できる。

2. 先行研究と比べてどこがすごい？

従来のend-to-end VLAやworld-action modelsは、検証済みの物理的カバレッジに依存し、未知の物体やセンサー、実施形態、接触がカバレッジ外にある場合、修正に新しいデータ収集、ポリシー更新、回帰テストが必要となる（retraining tax）。TGLは、タスク固有のポリシー再学習を不要にし、デプロイを継続的学習期間として扱う点で優れている。

3. 技術・手法の肝は？

手法の肝は、マルチモーダルエージェントが少数の成功デモからSkill Blocksを誘導し、新しいシーンでそれらを基盤化・構成すること。また、学習済みまたは幾何学的ツールを選択し、物理的結果を観察して実行を修正する。Skill LibraryとExperience Memoryにより、成功・失敗・修復を構造化して保持し、再利用を可能にする。

4. どうやって有効だと検証した？

LIBEROベンチマークで評価し、state-of-the-art性能を達成。さらに、制御された研究により、スキル誘導、持続的再利用、エージェント主導の適応を実証した。

5. 議論はある？

要旨からは、TGLの限界や潜在的な欠点についての議論は不明。ただし、Teach-and-Grow scaling-law hypothesisを提案しており、将来のタスク誤差と教示要求が有効な再利用経験の冪乗則で不可避な下限に近づくという仮説を立てている。

6. 次に読むべき論文は？

要旨で参照されている関連研究として、end-to-end VLAモデルやworld-action modelsが挙げられる。具体的な論文名は不明だが、これらの分野の定番論文（例：RT-2, PaLM-Eなど）を読むことが推奨される。

※ 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: Chang Nie, Zhe Liu, Hesheng Wang

分類: cs.RO, cs.AI, cs.CV, cs.LG

原文アブストラクト

End-to-end vision-language-action (VLA) and world-action models offer an elegant route to general-purpose robotics, but their reliability is bounded by validated physical coverage. When an unfamiliar object, sensor, embodiment, or contact falls outside that coverage and no validated fallback exists, correcting the failure requires new robot data, a policy update, and regression testing. This recurring burden is the retraining tax. Unlike text, embodied data must often be created by operating machines. We present Teach-and-Grow Learning (TGL), an agent-centered architecture for general robot learning. In its general form, a multimodal agent turns a few successful demonstrations into reusable Skill Blocks: closed-loop behaviors for meaningful subgoals. In a new scene, the agent grounds and composes these blocks, selects learned or geometric tools, observes the physical outcome, and revises the route when execution departs from intent. A Skill Library stores executable behavior, while structured Experience Memory carries forward success, failure, and repair. New tasks are acquired without task-specific policy retraining. Our LIBERO evaluation attains state-of-the-art performance; controlled studies expose skill induction, persistent reuse, and agent-directed adaptation. Finally, we propose the Teach-and-Grow scaling-law hypothesis: if X denotes effective reusable experience, future-task error and teaching demand should approach irreducible floors as power laws in X. The architecture therefore treats deployment as a period of continued learning, in which one task can make the next easier.

arXivで原文を読む →arXiv概要ページ

← 論文一覧