エージェント型ロボティクスにおけるモデル・スキル・フィードバック・カリキュラムの制御実験
A Controlled Study of Models, Skills, Feedback, and Curriculum in Agentic Robotics
9つのマニピュレーションタスクと631構成・2.8万回のコーディングエージェント実行を通じ、自己学習ループの成否を左右する要因を体系的に分析した。ボトルネックは情報量よりも、失敗の原因帰属と空間・幾何構造の推論、コードの選択的再構成にあると示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Kaiyuan Chen, Xinyue Zhu, Shuangyu Xie, Uksang Yoo, Thi Thu Phuong Luong, Marcus Gualtieri, Christian Juette, Liu Ren, Spencer Huang, Ken Goldberg
分類: cs.RO, cs.AI, cs.LG
原文アブストラクト
Agentic robotics asks coding agents to implement and iteratively improve robot policies from simulated and real-world physical interactions. We study the self-learning loop of agentic robotics through a controlled simulation study spanning nine manipulation tasks, 631 different experiment configurations, and 28K coding agent rollouts, systematically varying model capability, skill priors, feedback structure, and curriculum. The experiment data suggests that the bottleneck is often not the access to sufficient information, but interpreting it into the right policy update. Across these factors, a successful self-learning loop depends on how effectively agents attribute failures, reason task-relevant spatial and geometric structure, and selectively restructure code to improve policies.