로봇이 상업 및 산업 분야에서 안정적으로 작동하기 위해서, 최근의 에이전트 기반 코딩 시스템(agentic coding systems)이 해석 가능한 로봇 프로그래밍과 모델 프리 정책(model-free policies)의 오픈 월드 적응성을 결합할 수 있을까요? 우리는 고정된 자동화보다 객체의 기하학적 구조와 포즈(pose)의 변동성이 더 큰 작업 범주인 "변동성 자동화 (Variational Automation, VA)"에 집중합니다. 모델 프리 정책은 상업 및 산업 현장에서 지속적이고 안정적으로 실행되어야 하는 VA 작업의 신뢰성 격차를 줄이는 데 종종 어려움을 겪습니다. 작업 및 동작 계획 (Task and Motion Planning, TAMP)과 로봇 운영 체제 (Robot Operating System, ROS)에 관한 이전 연구들에 영감을 받아, 우리는 모듈형 오픈 로봇 스킬 라이브러리 (Modular Open Robot Skill Library, MORSL)로부터 인지(perception), 계획(planning), 제어(control) 노드를 포함하는 유향 계산 그래프(directed computation graphs)를 생성하는 멀티 에이전트 코딩 하네스인 Graph-as-Policy (GaP)를 소개합니다. 그런 다음 GaP는 내부 시뮬레이션 환경을 생성하여 서로 다른 그래프를 사용하여 작업 인스턴스를 병렬로 연습함으로써, 성공률과 처리량(throughput)을 향상시키기 위해 그래프 구조와 파라미터를 반복적으로 개선합니다. 4개의 시뮬레이션 및 4개의 실제 환경을 포함한 8개의 새로운 오픈 VA 작업 벤치마크를 통한 평가 결과, GaP가 베이스라인을 크게 능가하는 성공률을 달성할 수 있음을 시사합니다. 세부 사항, 코드 및 데이터는 온라인에서 확인할 수 있습니다: https://graph-robots.github.io/gap