探索・実行・進化：身体性エージェントのためのスキル獲得と再利用ループ

- 視覚言語行動モデルやworld-actionモデルの汎化困難を背景に、汎用マルチモーダルエージェントのzero-shotロボットタスク解決の高コストを削減する枠組みRoboSkillを提案。 - Explore, Execute, Evolveループでskillの獲得と再利用を接続。 - エージェントは探索でタスク関連情報を収集し、フィードバックに適応しながら実行し、実行記録に基づきskill libraryを進化させる。 - 次サイクルでskillを再利用し探索と実行を導くことでループを閉じる。

- 従来のvision-language-action/world-actionモデルは未見タスクへの汎化が難しく、汎用マルチモーダルエージェントはzero-shotで可能性を示すが物理世界をゼロから推論・探索するため実行コストが高い。 - RoboSkillはskill獲得と再利用をループ化し、探索・実行のコストを削減する点が異なる。 - 視覚に触覚フィードバックを補完し物理相互作用の不確実性を低減、テキストガイダンスに再利用可能コードを追加しskill再利用時の推論オーバーヘッドを削減。

- Explore, Execute, Evolveループ：探索でタスク関連情報を収集、実行でフィードバックに適応、実行記録からskill libraryを進化、次サイクルでskillを再利用。 - 視覚＋触覚フィードバックで物理相互作用の不確実性を低減。 - テキストガイダンス＋再利用可能コードでskill再利用時の推論オーバーヘッドを削減。 - これらによりループ効率を改善。

- LIBERO-10で4つのエージェントに対し、初回エピソード成功率を12.5–25.0 percentage points改善、平均runtimeを7.6–72.4%削減。 - 実ロボットで成功率を8.3 percentage points改善、成功試行の平均runtimeを少なくとも14.4%削減。

- 要旨からは不明。 - 限界や失敗事例、触覚・コード再利用の寄与の詳細な分析、計算資源や安全性への議論は要旨に記載なし。

- 要旨で参照/比較されている研究：vision-language-action models、world-action models、general-purpose multimodal agents。 - 関連手法：LIBERO-10ベンチマーク。 - 同分野の定番：zero-shot robotic task solving、skill library、tactile feedback、code reuse for reasoning。 - 具体的な論文名は要旨からは不明。