マニピュレーション2026/9/13arXiv:2609.14633

REVOLVE: 最小限の人的介入でロボットマニピュレーションを進化させる自動閉ループフレームワーク

REVOLVE: An Automated Closed-Loop Framework for Evolving Robot Manipulation with Minimal Human Intervention

ロボットマニピュレーションの実世界展開において、失敗評価・修正・環境リセットを自動化し、継続学習を組み込んだ閉ループフレームワークを提案。4つの実タスクで成功率と判断精度を向上させ、人的労力を大幅に削減した。

詳しい要約

1. どんなもの？

- データ駆動型ロボットマニピュレーションの実世界展開を自動化する閉ループフレームワーク REVOLVE を提案。 - データ収集、方策学習・展開、失敗回復、継続学習を単一のソフトウェア基盤上で統合。 - 最小限の人間介入でロボットマニピュレーションを進化させることを目指す。

2. 先行研究と比べてどこがすごい？

- 従来の実世界展開は失敗評価、修正、環境リセットを人間に依存し、失敗や修正経験から継続的に学習できなかった。 - REVOLVE は Automated Reset and Collection (ARC) と Dual-Loop Evolution (DLE) により、人間介入を大幅に削減。 - データ収集と展開テストの人間労力をそれぞれ 94.4% と 95.1% 削減。

3. 技術・手法の肝は？

- Automated Reset and Collection (ARC) アーキテクチャが環境を自動リセットし、方策失敗を修正するために介入。 - Dual-Loop Evolution (DLE) が実世界の相互作用と失敗修正データを方策学習にフィードバックし、外部 mismatch memory を用いてエージェント判断を洗練。 - これらを統合した閉ループワークフローで方策とエージェントを継続的に改善。

4. どうやって有効だと検証した？

- 4つの実世界マニピュレーションタスクで実験。 - 5回の反復後、平均方策成功率が 18.5% 向上、エージェント判断精度が 8.5% 向上。 - 人間労力の削減も定量的に示された。

5. 議論はある？

- 実世界展開を閉ループ学習プロセスに変え、実行経験を継続的に蓄積・利用して方策と監視モデルを進化させることを示唆。 - 人間介入を大幅に減らしつつ性能向上を達成。 - 限界や課題については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として data-driven robot manipulation policies、continual learning、failure recovery などが挙げられる。 - 同分野の定番として imitation learning、reinforcement learning、DAgger などが考えられるが、要旨に記載はない。

※ 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: Hanyu Liu, Qian Li, Yizhu Ding, Jiayi Wen, Keqiang Ren, Yunsheng Ma, Tao Jian, Zhihua Wang, Zhuofan Yu, Xinran Li, Zhigong Song

分類: cs.RO

原文アブストラクト

Recent advances in data-driven robot manipulation policies have substantially improved task execution and generalization. However, real-world deployment still relies heavily on humans for failure assessment, correction, and environment reset, while models often fail to continually learn from failures and corrective experience. We present REVOLVE (Robot Evolving via Orchestrated Loops, Verification, and Experience), an automated closed-loop framework for evolving robot manipulation with minimal human intervention. Built on a unified software platform, REVOLVE integrates data collection, policy training and deployment, failure recovery, and continual learning into a single closed-loop workflow. Its Automated Reset and Collection (ARC) architecture automatically resets the environment and intervenes to correct policy failures. Dual-Loop Evolution (DLE) continually improves the manipulation policy and agent by feeding real-world interaction and failure--correction data back into policy learning and using an external mismatch memory to refine agent judgments. Experiments across four real-world manipulation tasks show that, after five iterations, REVOLVE improves average policy success rate by 18.5% and agent judgment accuracy by 8.5%, while reducing human effort in data collection and deployment testing by 94.4% and 95.1%, respectively. These results demonstrate that REVOLVE transforms real-world deployment into a closed-loop learning process that continually accumulates and uses execution experience, enabling continual evolution of both the policy and supervisory model with substantially less human intervention.

arXivで原文を読む →arXiv概要ページ