NVIDIA、自分で賢くなるロボットAIを発表

従来のロボットプログラミングは、規模を拡大するのが困難です。それは、マルチモーダルな知覚、物理的な接触のダイナミクス、多様な構成、そして実行の失敗を手作業で調整する必要があるためです。Code-as-policyシステムは、言語モデルがこれらを組み合わせて実行可能なロボットプログラムを作成することを可能にします。これにより、ロボットの動作は検査可能、編集可能、デバッグ可能になります。しかし、既存のロボットコーディングエージェントは、素朴な実行環境で動作します。これらは、大まかなタスクレベルのフィードバックしか受け取りません。失敗したロールアウトは、タスクが失敗したことを示すだけで、その理由までは示しません。根本原因は、perception、motion planning、grasping、contact dynamics、または長期間のcoordinationにある可能性があります。これらのシステムは、タスクが終了すると修正を破棄してしまいます。そのため、100番目のタスクを解決するエージェントも、最初のタスクの時と比べて経験が増えているわけではありません。NVIDIA、ミシガン大学、UIUC、UC Berkeley、CMUの研究者チームは、ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) を発表しました。これは、ロボット制御プログラムを作成および改良する継続学習システムです。また、検証済みの修正を再利用可能で転送可能なskill libraryに抽出します。ASPIREの仕組み ASPIREは、3つのコンポーネントを持つオープンエンドの学習ループを実行します。これは、coordinator–actorアーキテクチャを使用します。中央のcoordinatorが共有skill libraryを管理し、actorコーディングエージェントをタスクに派遣します。actorは完全なチャット履歴や生の軌跡を交換しません。蒸留されたスキルのみがそれらの間で移動します。Closed-loop robot execution engine：これは、大まかなロールアウトフィードバックを、プリミティブごとのマルチモーダルなトレースに置き換えます。各perception、planning、controlの呼び出しについて、入力、出力、およびリターンステータスを保存します。また、RGB keyframes、overlays、grasp candidates、object poses、およびmotion-planningの結果も保存します。エージェントは、失敗に関与する呼び出しのみを検査します。その後、障害を特定し、再実行を通じて修正を検証します。Skill library：再利用可能な知識は、タスクプログラム全体であることはほとんどありません。そのため、ライブラリは異種混合の修正を保存します。これには、localization heuristics、