arXiv 2610.28589
AgenticRoboRL：コーディングエージェントの事後学習をエージェント型ロボティクスへ
AgenticRoboRL: Bringing Coding-Agent Post-Training to Agentic Robotics
ロボティクス推薦20
著者: Xinxin Liu, Bingxin Xu, Wenrui Bao, Ming Li, Wentao Bao, Chen Chen, Yuzhang Shang
概要
本研究は、異なるロボットハーネス間でロボットプランナーを事後学習するためのフレームワーク AgenticRoboRL を提案します。教師あり微調整とマルチターン強化学習を組み合わせ、ハーネス固有のアダプタによって、VLAスキル呼び出しと制御コード生成の両方に共通のRL学習パイプラインを適用しつつ、実行コンポーネントは固定します。
はじめに
エージェント型ロボットシステムは、強力なクローズドソースモデルをプランナーとして用いることが多い一方、これまでの改善はハーネスや外部メモリに焦点を当て、プランナー自体の能力は向上させてきませんでした。
結果
LIBERO-PRO において、AgenticRoboRL は外部メモリを使わずに9Bパラメータのプランナーの成功率を18.1%から71.0%に引き上げました。これは外部メモリを使用した Codex (GPT-5.5) の72.1%に迫るものです。
結論
プランナー自体を事後学習することは、ロボットエージェントを改善する有効な方法であり、大規模なクローズドソースモデルや高コストなメモリシステムへの依存を減らす可能性があります。