研究者らは、解釈可能なプログラミングとモデルフリーの適応性を組み合わせることで、変分自動化タスクにおける信頼性のギャップを埋めるために設計されたマルチエージェントコーディングハネスであるGraph-as-Policy (GaP)を紹介します。GaPはModular Open Robot Skill Library (MORSL)から知覚、計画、制御ノードを含む指向性計算グラフを生成し、内部シミュレーションを使用してこれらの構造を反復練習および精緻化します。

  • システムは並列でグラフ構造とパラメータを反復的に精緻化し、成功率とスループットを向上させます。
  • 4つのシミュレーション内タスクと4つの実世界シナリオからなる8つの新しいオープンVAタスクベンチマークでの評価により、GaPがベースラインを大幅に上回ることを示しています。

このアプローチにより、物体の幾何形状や姿勢の変動にもかかわらず、商業および産業アプリケーションでロボットが永続的で信頼性の高いタスクを実行できるようになります。