OpenRUA: ロボット利用エージェントはゼロショット視覚運動ポリシーである

- コーディングエージェントをロボット制御に用いる手法 OpenRUA の提案。 - 既存の成熟したソフトウェアスタックではなく、ロボットのネイティブなソフトウェアインタフェース ROS 2 への terminal access のみを coding agent に与える。 - 特別な抽象化層や専用インタフェースを排した zero-abstraction harness。 - workspace-as-harness の最小設計で、ROS 2 のドキュメントと基本ツールのみを提供。 - agentic workflow を組まず、coding agent 自身に作業を組織させる。 - 知覚を file I/O、操作を coding として再定義する。

- 先行研究はロボット利用のために複雑な custom harness を構築し、専門的なワークフローや専用インタフェースを提供していた。 - 本手法はそうした追加の harness engineering が不要であることを示す。 - 既製の coding agent がロボットのネイティブインタフェースを通じて zero-shot visuomotor policy として機能できることを実証。 - 専用プリミティブやタスク固有の学習を必要としない点が異なる。

- OpenRUA は zero-abstraction harness で、coding agent に ROS 2 への terminal access のみを与える。 - minimalist workspace-as-harness 設計を採用。 - 提供物は ROS 2 ドキュメントと基本ツールに限定。 - agentic workflow のオーケストレーションを行わず、agent 自身が作業を組織。 - 知覚は file I/O、操作は coding として扱う。 - Claude Code と Claude Opus 5 を使用。

- CaP-Bench で 99.0%、LIBERO-PRO で 87.0% の成功率を達成。 - 既製の coding agent が zero-shot visuomotor policy として機能することを示した。 - 知覚では 96.80% のエピソードで生の感覚入力から metric measurements を導出するプログラムを自発的に作成。 - 操作では 95.87% のエピソードで motion-control clients（例: gripper control）を自発的に構築。 - 50.13% のエピソードで sensor feedback に基づく closed-loop control programs を構築。

- 追加の harness engineering の必要性を問う点が議論の出発点。 - 最小設計下で coding agent の顕著な創発的行動が観察された。 - 知覚・操作における自発的なプログラム生成や closed-loop control の割合が報告されている。 - その他の議論や限界については要旨からは不明。

- 要旨で参照・比較されている先行研究は custom harness を構築する既存の robot-use agents 研究。 - 具体的な論文名は要旨からは不明。 - 関連手法として ROS 2、CaP-Bench、LIBERO-PRO、Claude Code、Claude Opus 5 が挙げられる。 - 同分野の定番として visuomotor policy learning や coding agents のロボット応用研究が次に読む候補。