Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence

著者: Xin Ding, Liang Mi, Mingzhe Huang, Zixuan Wang, Chao Zhang, Zixu Hao, Fu Chen, Xiangyu Li, Yikai Zheng, Yaoyu Guo, Weijun Wang, Kun Li, Hao Wu, Yunxin Liu, Ting Cao · arXiv 2026

ライセンス

  • オープンアクセス
  • 論文: CC BY 4.0

以下の内容はすべて、論文のライセンス（CC BY 4.0）に従い論文全文に基づいています。図は著者のクレジットを付けて掲載しています。

要約

凍結した VLA を、コードベースのクリティックとリカバリスキルで包み、エージェントが失敗したシミュレーションのロールアウトから診断、修正、検証を行う。RoboCasa の成功率は 73.6% から 93.6% に上がった。

重要な理由

重みを再訓練せずに、事前学習済みのマニピュレーション方策の信頼性を高める方法を示している。把持の喪失や搬送の停滞といった物理的な失敗状態をコードで検出し、的を絞ったリカバリを実行する。学習したクリティックとリカバリの組は、物体相対の幾何と接触の述語で定義されているため関連タスクにも引き継がれ、論文はロールアウトのスループットをこの改善の速度の上限とみなしている。

課題

VLA や世界行動方策は推論時に開ループで動作するため、滑りや小さな衝突が連鎖してタスクの失敗に至ることがある。言語モデルエージェントのハーネスは、大規模モデルが行動周波数で判断できないため、エピソードの終了後にしか振り返らず、事後的な振り返りでは代替案を試すことも、正確な失敗状態を見ることもできない。自己探索からの学習は、ロールアウトをどれだけ速く生成できるかによってさらに制限される。

提案手法

ベース方策（π0.5 または GR00T N1.5）とオーケストレーターエージェントは固定したまま、コードベースのランタイムクリティック、リカバリのプレイブック、ツールからなるハーネスを進化させる。クリティックは行動周波数で動作し、オーケストレーターが承認する介入を提案する。オフラインのエージェントは、失敗したロールアウトを最初に達成できなかったマイルストーンと成功した実行から最も早く乖離した点によってクラスタリングし、評価ロジックから制御パラメータへとトップダウンで根本原因を診断し、制御を戻すための復帰契約を備えた最小限のパッチを書き、それがクラスタ内のすべてのシードを修正し、かつホールドアウトのシードでも成り立つ場合にのみ採用する。Ray 上に構築した Z-Infra は、環境ワーカーと GPU モデルワーカーを分離し、バッチ推論、VLM／行動エキスパートの分割、オプションの量子化を行う。

主な知見

  • コードベースのクリティックは行動周波数で実行を監視でき、遅い言語モデルエージェントには介入の承認とオフラインの診断を任せられる。
  • 失敗をトップダウン（評価、クリティック、状態、計画、リカバリ、最後にパラメータ）で診断し、障害を修正できる最も上の層でパッチを当てることで、低レベルのパラメータを 1 つの失敗に過剰適合させるのを避けられる。
  • 初期の対症療法的な修正が行き詰まった後、エージェントが把持の保持やアプローチの幾何といった本当の物理的なボトルネックを見つけると、改善はしばしば突然訪れる。
  • 物体相対の幾何と汎用的な接触の述語で定義したクリティックとリカバリの組は、関連タスクにゼロショットで転移する。
  • 判断のたびに LLM を呼び出すエージェント・イン・ザ・ループのベースラインは遅い。エージェントはオフラインでのみ呼び出し、クリティックをオンラインで動かすことで、エピソードあたりのレイテンシが減る。

主な結果

  • RoboCasa、GR00T N1.5 を凍結ベースとした 18 の Atomic-Seen タスク：マクロ平均の成功率は 4 回の修正ラウンドで 73.56% から 93.56% に上がった（78.71%、84.85%、90.54%、93.56%）。評価はタスクごとに 50 のホールドアウトシードで行った。
  • π0.5 を凍結ベースとした LIBERO-Pro：Goal (T) は 31.0% から 92.5% に、Goal (S) は 38.0% から 89.0% に上がった。要旨の 90.8% はこの 2 つの Goal 設定の平均であり、LIBERO-10 を含む表 3 の全体平均は 71.13%（32.00% から）で、LIBERO-10 (T) は 50.0% から 63.0%、(S) は 9.0% から 40.0% である。
  • PnP-Stove で学習したスキルのゼロショット転移：PnP-Sink は 58% から 82%、PnP-Cabinet は 62% から 80%、PnP-Toaster は 72% から 90%。TurnOffStove のスキルは、3 つの関節物体タスクの平均を 64% から 80% に上げた。
  • 突然の改善：Goal-T2（ワインボトルをボウルに入れる）は初期の修正後に 10% から 15% になり、把持保持のクリティックを加えると 95% に達した。Goal-S6（クリームチーズ）は 5% から 90% になった。
  • RPent エージェントのベースラインに対する速度：要旨では推論が 11.1× 高速化（レイテンシ 91% 減）とされ、4.6 節ではエピソードあたりのレイテンシが 11.9× 減、図 14 では並行数 16 で 12.0× とされている。
  • 8 基の A100 GPU での Z-Infra のスループット：並行数 16 で毎分 22.09 エピソードで、Z-Infra なしのハーネス（2.88）の 7.7×、RPent（1.72）の 12.8× であり、並行数 64 で毎分 35.1 エピソードに達する。序論の 20.6× という数字は、この 35.1 を RPent の 1.7 と比べたものである。

制限事項

  • 実験はすべてシミュレーション（MuJoCo/robosuite 上の LIBERO-Pro と RoboCasa）であり、著者らは実機ロボットへの拡張と Sim2Real のギャップを今後の課題としている。
  • 著者らは、結果は現在のロールアウト予算のもとで成り立つものであり、自己進化は成功率を凍結した方策の能力の上限に向けて伸ばすのであって、それを超えるものではないと述べている。
  • ベンチマークの表は凍結したベース方策との比較のみである。身体性エージェントのベースラインはレイテンシとスループットに用いた RPent だけであり、論文はオーケストレーターと進化エージェントを動かす言語モデルが何かを明記していない。
  • 見出しの数値は報告の仕方に左右される。LIBERO-Pro での 90.8% は Goal スイートを対象としたものであり、LIBERO-10 を含む LIBERO-Pro の全体平均は 71.13% である。
  • 診断は接触力、内部状態、公式のタスク述語といったシミュレータ内部の情報に依存しており、実際の展開では同じ形で得られない可能性がある。

分野への影響

Hugging Face の daily papers：賛成票 140 件で、同サイトの過去 6 か月のロボティクス論文の上位 5% に入った。論文はプロジェクトページを示しているが、コードの公開については記載がない。

概要

身体性エージェントは、エンドツーエンドの方策モデルが残すギャップを埋めるためにますます使われている。しかし、エージェントによるアプローチは、物理的な実行における閉ループ学習をまだ実現していない。既存のハーネスは大部分が開ループのままであり、ロールアウト中は固定されたスキルに従い、エピソードが終わった後にしか振り返りを行わない。物理的なインタラクションでは、急速に変化するロボットと環境の状態を、現在の大規模エージェントモデルの能力を超える頻度で追跡する判断が必要となるため、このような事後的な振り返りでは、展開中の実行を制御できない。我々は、ベース方策を凍結したまま、コードベースのランタイムクリティックとリカバリスキルをオンラインで進化させる閉ループの身体性ハーネス Zetta を提示する。時間スケールの分離された 3 つのループを通じて、Zetta は行動周波数での実行管理、ロールアウト単位でのクリティックとリカバリの提案、検証を通過した場合にのみ行うスキル更新を提供する。エージェントのロジックを異種の実行資源から切り離すロールアウト基盤 Z-Infra と組み合わせることで、Zetta は現在のロールアウト予算のもとで LIBERO-Pro と RoboCasa において最先端の成功率を達成し、それぞれ 90.8% と 93.6% に到達し、推論を 11.1× 高速化した。成功率は自己探索の経験とともに伸び続け、学習したスキルはゼロショットで転移し、ロボットの明確な「アハ・モーメント」（Aha Moments）が現れる。これらの結果は、閉ループのハーネスの自己進化が、信頼できる物理的知能へのスケーリングの道を開くことを示している。

リンク

  • arXiv 2608.16590: https://arxiv.org/abs/2608.16590
  • PDF: https://arxiv.org/pdf/2608.16590v1
  • プロジェクトページ: https://air-embodied-brain.github.io/zetta

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。