GaP: 변분 자동화 작업을 위한 그래프 기반 정책 다중 에이전트 자기 학습 하네스

초록

로봇이 상업 및 산업 응용 분야에서 신뢰성 있게 작동하려면, 최근의 에이전틱 코딩 시스템(agentic coding systems)이 해석 가능한 로봇 프로그래밍과 모델 프리 정책(model-free policies)의 개방형 환경 적응성을 결합할 수 있을까? 본 연구는 고정 자동화보다 객체 형상 및 자세의 변동이 큰 작업 클래스인 "변동 자동화(Variational Automation, VA)"에 초점을 맞춘다. 모델 프리 정책은 상업 및 산업 응용에서 지속적이고 신뢰성 있게 실행되어야 하는 VA 작업에 대해 신뢰성 격차를 해소하는 데 어려움을 겪는 경우가 많다. 작업 및 동작 계획(TAMP)과 로봇 운영 체제(ROS)에 관한 선행 연구에서 영감을 받아, 본 논문에서는 Graph-as-Policy(GaP)를 소개한다. 이는 모듈형 개방형 로봇 스킬 라이브러리(MORSL)로부터 인식, 계획 및 제어 노드를 포함하는 방향성 계산 그래프를 생성하는 다중 에이전트 코딩 하네스(multi-agent coding harness)이다. 또한 GaP는 내부 시뮬레이션 환경을 생성하여 서로 다른 그래프를 가진 작업 인스턴스를 병렬로 시뮬레이션하고, 그래프 구조와 매개변수를 반복적으로 개선함으로써 성공률과 처리량을 향상시킨다. 8개의 새로운 공개 VA 작업 벤치마크(시뮬레이션 4개, 실제 환경 4개)에 대한 평가 결과, GaP가 기준선보다 현저히 높은 성공률을 달성할 수 있음을 보여준다. 자세한 내용, 코드 및 데이터는 온라인(https://graph-robots.github.io/gap)에서 확인할 수 있다.

English

For robots to work reliably in commercial and industrial applications, can recent advances in agentic coding systems combine interpretable robot programming with the open-world adaptability of model-free policies? We focus on "Variational Automation" (VA), a class of tasks that have larger variations in object geometry and pose than fixed automation. Model-free policies often struggle to close the reliability gap for VA tasks, which must be executed persistently and reliably in commercial and industrial applications. Motivated by prior work on Task and Motion Planning (TAMP) and the Robot Operating System (ROS), we introduce Graph-as-Policy (GaP), a multi-agent coding harness that generates directed computation graphs with perception, planning, and control nodes from a Modular Open Robot Skill Library (MORSL). GaP then generates an internal simulation environment to rehearse task instances with different graphs in parallel to iteratively refine the graph structure and parameters to improve success rates and throughput. Evaluation with 8 new open VA task benchmarks, 4 in-simulation and 4 in real-world, suggests that GaP can achieve success rates that significantly outperform baselines. Details, code, and data can be found online: https://graph-robots.github.io/gap