RoboBridge：シミュレーションから実世界への転移のための自己進化型具現化エージェントフレームワーク

- 本論文は、embodied intelligence の sim-to-real transfer を executable task skills の継続的適応として扱うフレームワーク RoboBridge を提案する。 - タスク知識を task intent、observations、tool operations、outcome verification を結ぶ procedures として表現する。 - 事前学習済み vision-language-action policy を再利用可能な action tool として公開し、推論時 guidance で強化する。 - シミュレーションと現実で共有される task semantics と interaction interfaces に転移可能スキルを接地する。 - LIBERO-PRO と対応する物理タスクで評価し、skill evolution と post-transfer adaptation を調べる。

- 従来の end-to-end vision-language-action policies は強力な manipulation 能力を持つが、物理環境への転移には視覚・動力学条件の調整、追加の target-domain demonstrations 収集、追加訓練が必要だった。 - 既存の tool-using embodied agents はタスク実行と経験再利用を重視するが、シミュレーションと現実をまたぐ procedural knowledge の転移と継続的適応のサポートは限定的だった。 - RoboBridge は sim-to-real transfer を executable task skills の継続的適応として捉え、追加訓練なしで fine-grained execution を可能にする点が新しい。 - 転移可能スキルを task semantics と interaction interfaces に接地し、環境依存操作を実世界実行フィードバックで選択的に修正できる。

- タスク知識を procedures として表現し、task intent、observations、tool operations、outcome verification を接続する。 - 相互作用フィードバックを用いて候補 skill revisions を生成し、評価後に persist または reject する。 - 事前学習済み vision-language-action policy を再利用可能な action tool として公開し、推論時 guidance で強化する。 - これにより基盤 policy を再訓練せずに fine-grained execution を実現する。 - シミュレーションと現実で共有される task semantics と interaction interfaces に転移可能スキルを接地する。

- LIBERO-PRO と対応する物理タスクでフレームワークを評価した。 - skill evolution と post-transfer adaptation の両方を調べた。 - 評価により、one-shot policy deployment から環境をまたぐ continual procedural learning への経路を提供することを示した。 - 具体的な定量的結果や比較指標は要旨からは不明。

- 本フレームワークは、再利用可能なタスク構造を保持しつつ、環境依存操作を実世界実行フィードバックを通じて選択的に修正できる。 - これにより one-shot policy deployment から継続的な procedural learning への道筋を示す。 - ただし、skill revision の評価基準や失敗時の挙動、スケーラビリティ、他のタスクへの一般化可能性についての議論は要旨からは不明。

- 要旨で参照/比較されている研究: end-to-end vision-language-action policies、tool-using embodied agents。 - 関連手法: vision-language-action policy、sim-to-real transfer、LIBERO-PRO。 - 同分野の定番として、domain randomization、system identification、imitation learning、reinforcement learning などが次に読むべき候補として挙げられる。