ENCORE: 少数の実演から操作戦略を発見するエージェント

ENCOURAGEは、coding agentが少数のdemonstrationを「訓練データ」ではなく「読むべき証拠」として与えられ、ロボット操作戦略を発見するfew-shot agentic discovery手法。 - 対象: 文だけではgraspや接触順序、結果が不明なrobot tasks。 - 構成: deterministic builderが各demonstrationをmulti-view keyframes、gripper events、frame strips、full trajectoryのpackに蒸留。 - 流れ: coding agentがpackを読み、固定のperception/action APIに対してpolicy programを書き、数回のdevelopment rolloutsで反復改善し、成功信号を見ないsealed evaluation前にfreeze。 - 評価: LIBERO-PRO、RoboDojo、実機bimanual robot。

先行のagentic systemと比べ、demonstrationを訓練データでなく証拠として読ませる点が新しい。 - 同じlanguage modelを使った最強のprior agentic systemに対し、frozen programsが96.3% vs 89.3%で上回る。 - LIBERO-PROのperturbed tasksで、agentの最初のprogramがdemonstrationありで半数成功、demonstrationなしでは1タスクのみ成功。 - RoboDojoのgoalが明示されないinstructionsでは、demonstrationなしではどのprogramも成功しない。

肝はdemonstrationを構造化packに変換し、coding agentがAPI準拠のpolicy programを書いて反復改善する点。 - deterministic builder: multi-view keyframes、gripper events、frame strips、full trajectoryを生成。 - coding agent: 固定のperception and action APIに対してpolicy programを作成。 - 改善: 少数のdevelopment rolloutsでiterative refinement。 - 評価: 成功信号を明かさないsealed evaluationの前にprogramをfreeze。

LIBERO-PRO、RoboDojo、実機bimanual robotで検証。 - LIBERO-PRO: 最初のprogramがdemonstrationありでperturbed tasksの半数成功、なしでは1タスク成功。 - 比較: 同じlanguage modelの最強prior agentic systemに96.3% vs 89.3%で勝利。 - RoboDojo: goal未記載のinstructionsではdemonstrationなしで成功programなし。 - 実機: 5 demonstrationsずつからcube handoverとcup inversionを学習。

要旨からは、限界や失敗事例、計算コスト、demonstration品質への依存性についての議論は不明。 - 主張: demonstrationを証拠として読むことでfew-shot discoveryが可能。 - 未解決: sealed evaluationの詳細、成功信号の定義、一般化範囲は要旨からは不明。

要旨で参照/比較されている研究や関連手法を挙げる。 - 最強のprior agentic system（同一language model使用、名称は要旨からは不明）。 - LIBERO-PRO、RoboDojo。 - coding agents、robot manipulation、few-shot learning、bimanual robot manipulationの同分野定番。