分解して再構成する：既存の能力から推論して、タスクをまたぐロボット操作に新しいスキルを獲得する
arXiv cs.RO / 2026/5/5
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、オープンワールドのロボット操作において、過去に見たタスクから操作スキルの知識を抽出して汎化を高めることに焦点を当てています。
- 既存のインコンテキスト学習手法は主に連続的な行動系列（軌道）を文脈として与えるため、合目的な“組み立て可能なスキル”の移転ができず、表面的な模倣に退化してしまうと主張しています。
- 提案する「Decompose and Recompose」では、知識を原子的なスキル–行動ペアとして表現し、まずデモンストレーションを解釈可能なスキルと行動の対応関係に分解し、その後は組成（コンポジショナル）推論で未見タスク向けに再構成します。
- タスク適応型の動的デモライブラリは、視覚と意味に基づく検索に加えて計画エージェントから得たスキル系列を用いて構築し、さらに不足しがちなスキルパターンを補うカバレッジ考慮の静的ライブラリも併用します。
- AGNOSTOSベンチマークと実環境での実験により、ゼロショットでのタスク間汎化性能が検証されたと述べています。
