Embodied Agents上級
RPG、オフラインデータ活用の自律練習で22操作タスク成功率95%、実機30試行全成功
本論文はプレプリントである。RPG(Reconstruct, Practice, Go Real)はモデル重みを更新せず、オフラインデータから構築したシミュレーション練習課題で共有スキルライブラリとシステムプロンプトを自律改善する枠組みである。22操作タスクの各10ホールドアウト初期状態で成功率を1ラウンド目28.6%から15ラウンド後95.0%に向上させ、ASPIRE(75.5%)やGPT-6 Astra Pro採用CaP-Agent0(60.0%)を上回り、共通キャリブレーション後の実機3タスク30試行すべて成功した。