arXiv:2610.36013v1 発表タイプ：新規
要旨：汎用的な具現知能では、ロボットが長時間スケールで多様な技能を統合し、タスクの進行状況を追跡し、障害から回復する能力が求められる。専門的なポリシーだけではタスクレベルでの信頼性を確保できず、強力なマルチモーダルエージェントは高コストな推論や外部経験に依存しており、コンパクトなモデルでは再現が困難である。本研究では、共有された高レベルの意思決定モデルを通じて操作とナビゲーションを連携させ、タスク理解、計画立案、進捗追跡、フィードバックに基づく回復を統合する軽量な統合型具現エージェント「OmniBrain-0」を提案する。当社の段階的学習フレームワークは、具現系の事前学習、ドメイン特化型エージェントの蒸留、およびマルチティーチャーによるオンポリシー蒸留（MOPD）を組み合わせる。これにより、強力な教師エージェントの相互作用経験を操作・ナビゲーションの専門家へと蒸留し、さらにそれらの意思決定能力をOmniBrain-0へと統合する。したがって、統合はツールのインターフェースに留まらず、学習済みの意思決定モデル内部で実現される。さらに、本研究では「ルーブリック主導再帰的自己改善（RSI）」を導入する。これは、メタエージェントが実行証拠をもとに精緻化されたルーブリック、ステップ単位のリマインダー、検証済みの軌道を生成し、それらをMOPDを通じてOmniBrain-0へ再統合する前のドメイン専門家向けアップデートに活用するデータフライホイールである。OmniBrain-0は、LIBERO-Pro、LIBERO-Plus、RoboCasa365、RoboTwin 2.0、R2R-CE Val-Unseenに加え、複数の実世界の操作タスクにおいて評価を行った。OmniBrain-0は、クローズドソースの教師エージェントに比べて推論および実行時のオーバヘッドを大幅に低減しつつ、高いドメイン横断的なタスク性能を実現し、具現系能力の効率的な移転と統合をコンパクトな統合エージェントへと示している。