日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

English週刊ニュースレター購読
マニピュレーションarXiv:2611.09892

エージェント型マニピュレーション政策の研究

On Agentic Manipulation Policies

シェア:XThreadsFacebookLINEはてブBluesky

汎用AIモデルがマニピュレータを直接制御するエージェント型政策を提案し、実演なしでVLAやWAMを上回る成功率を達成した。

詳しい要約

1. どんなもの？

- ロボットマニピュレーションの新しい枠組み『agentic manipulation policies (AMPs)』の提案 - 専門特化型の policy ではなく、generalist AI model がマニピュレータを直接指令する - タスク進行に応じて行動を適応させる点が特徴 - 単腕・双腕・移動マニピュレーションに同一の harness で対応する参照実装 AMP1 を提示 - demonstrations やタスク固有学習なしで動作する汎用方策として位置づけ

2. 先行研究と比べてどこがすごい？

- 従来の specialist policies（VLA や WAM）と比較して信頼性が高いと主張 - RoboLab-120 で zero-shot 85.6% 成功、VLA 49.2%・WAM 42.9% を上回る - 実世界 108 試行中 104 成功、12 タスク・3 ロボット個体にわたり zero-shot - 強い VLA/WAM baseline 比で失敗率を 20x・15x 低減 - demonstrations やタスク固有 training を一切必要としない点が先行研究と異なる

3. 技術・手法の肝は？

- generalist AI model が manipulator を直接 command する agentic 構成 - 単腕・双腕・移動体で変更なく動く参照 harness『AMP1』 - harness 自体は grasping・pushing・placing の skill を供給しない - agent が探索・tool 使用・camera calibration などの戦略を自ら獲得 - persistent memory store を追加すると episode 間で経験を保持し学習可能

4. どうやって有効だと検証した？

- RoboLab-120 と CaP-Gym の benchmark で state-of-the-art を達成 - RoboLab-120 で zero-shot 85.6% 成功を報告 - 実世界で 12 タスク・3 ロボット個体・108 試行を実施し 104 成功 - VLA・WAM の強い baseline と失敗率を比較 - memory 付き harness で RoboDojo 双腕タスクの失敗率が zero-shot 比 4.6x 低下

5. 議論はある？

- AMPs は specialist policies より substantially に general かつ robust と結論 - ロボットマニピュレーションの有望な基盤になり得ると主張 - 失敗率低減や memory による経験学習の効果を議論 - ただし具体的な限界や失敗事例の詳細は要旨からは不明 - 一般化可能性の範囲や安全性の議論は要旨からは不明

6. 次に読むべき論文は？

- 比較対象の vision-language-action models (VLAs) - 比較対象の world-action models (WAMs) - benchmark の RoboLab-120、CaP-Gym、RoboDojo - demonstrations ベースの specialist manipulation policies 関連研究 - persistent memory を用いた経験学習に関する研究

※ 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: Chen Chen, Omid Bagherieh, Naveen Nikamanth Appiah Balaji, Jesse T. Gonzalez, Negin Heravi, Fahad Islam, Xueting Li, Jean-Baptiste Regli, Kejia Ren, Petr Švec, David J. Yoon, Matthias Müller, Vladlen Koltun

分類: cs.RO, cs.AI, cs.CV, cs.LG

原文アブストラクト

Recent work on robot manipulation has focused on specialist policies trained on demonstrations. We show that generalist AI models can control manipulators more reliably than specialist policies such as vision-language-action models (VLAs) and world-action models (WAMs). We systematically analyze agentic manipulation policies (AMPs), in which a generalist AI model commands the manipulator directly, adapting its actions as the task unfolds. We present AMP1, a reference harness that runs unchanged across single-arm, bimanual, and mobile manipulation. AMP1 achieves state-of-the-art results on the RoboLab-120 and CaP-Gym benchmarks, with no demonstrations or task-specific training. On RoboLab-120, AMP1 reaches an 85.6\% success rate zero-shot, compared to 49.2\% and 42.9\% for leading VLA and WAM policies. The agent succeeds zero-shot in 104 of 108 real-world trials spanning twelve tasks and three robot instances, reducing failure rates by 20x and 15x relative to strong VLA and WAM baselines. The basic harness supplies no grasping, pushing, or placing skills; the agent develops its own strategies, such as searching for hidden objects, using objects as tools, and calibrating its cameras. With the addition of a persistent memory store, the agent can also learn from experience: an augmented harness with a memory representation that is carried across episodes lowers the failure rate on RoboDojo bimanual manipulation tasks by 4.6x relative to zero-shot deployment. Our analysis suggests that AMPs are substantially more general and robust than specialist manipulation policies, providing a promising foundation for robot manipulation.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧

今週よく読まれている記事

  1. 1パナソニックHDら、ロボット操作AI「T-Rex」を共同開発　12タスクで平均成功率65％研究・技術
  2. 2Hugging Face、ロボット学習基盤「LeRobot v0.7.0」を公開　対話操作と大規模データ学習に対応新製品・発表
  3. 3Agility、SPAC合併でナスダック上場資金調達
  4. 4NVIDIA、Vera CPUのエージェント処理性能を公表　x86比で速度・電力効率を比較半導体・GPU
  5. 5智元、清華大学などとCELを発表　96台のロボットで群体学習を検証研究・技術
PR本紙発行元 EmplifAI