ASPIRE: ロボットのためのエージェンティックスキル発見

要旨

従来のロボットプログラミングは困難を伴う。マルチモーダル知覚の統合、物理的接触ダイナミクスの管理、多様な構成と実行失敗への対応が必要だからである。我々はASPIRE（反復的ロボット探索によるエージェント的スキルプログラミング）を提案する。これは自律的にロボット制御プログラムを記述・改良し、コードをポリシーとして扱うパラダイムにおいて経験を再利用可能なスキルライブラリに集約する継続学習システムである。ASPIREはタスク間、シミュレーションと実世界設定間、そして異なる身体性にまたがって持続するスキルを発見する。本システムは3つの構成要素からなる開かれたループで動作する。（1）クローズドループのロボット実行エンジン。細粒度のマルチモーダルトレースを公開し、自律的な障害診断、修正合成、検証を可能にする。（2）継続的に拡張されるスキルライブラリ。検証済みの修正を再利用可能で転移可能な知識へと蒸留する。（3）進化的探索。単一軌跡の改良を超えて探索するため、多様なタスク系列と制御プログラムを生成する。ASPIREは、摂動下でのLIBERO-Pro操作で最大77%、Robosuite双腕ハンドオーバーで72%、BEHAVIOR-1Kの長期間家事タスクで32%、それぞれ従来手法を上回る性能を示す。蓄積されたライブラリは、未見の長期間タスクへのゼロショット汎化も可能にする。LIBERO-Pro Longにおいて、ASPIREは成功率31%を達成したのに対し、従来手法はテスト時の推論と再試行を用いても4%にとどまった。さらに、シミュレーションで発見されたスキルは、Sim-to-Real転送の初期証拠を提供し、異なる身体性とロボットAPIにわたって実ロボットプログラミングの労力を大幅に削減する。

English

Traditional robot programming is challenging: it requires orchestrating multimodal perception, managing physical contact dynamics, and handling diverse configurations and execution failures. We introduce ASPIRE (Agentic Skill Programming through Iterative Robot Exploration), a continual learning system that autonomously writes and refines robot control programs in a code-as-policy paradigm while compounding experience into a reusable skill library. ASPIRE discovers skills that persist across tasks, simulation and real-world settings, and embodiments. It operates in an open-ended loop with three components: (1) a closed-loop robot execution engine that exposes fine-grained multimodal traces, enabling autonomous failure diagnosis, repair synthesis, and validation; (2) a continually expanding skill library that distills validated fixes into reusable, transferable knowledge; and (3) evolutionary search that generates diverse task sequences and control programs to explore beyond single-trajectory refinement. ASPIRE surpasses prior methods by up to 77% on LIBERO-Pro manipulation under perturbation, 72% on Robosuite bimanual handover, and 32% on BEHAVIOR-1K long-horizon household tasks. Its accumulated library also enables zero-shot generalization to unseen long-horizon tasks: on LIBERO-Pro Long, ASPIRE achieves 31% success versus 4% for prior methods despite their use of test-time reasoning and retries. Finally, simulation-discovered skills provide initial evidence of sim-to-real transfer, substantially reducing real-robot programming effort across different embodiments and robot APIs.