科学論文リポジトリのarXiv cs.ROは2026年8月26日(現地時間)付けで、視覚言語モデル (VLM) を用いてロボットが自然言語で推論し、低レベル操作ポリシーをガイドする新たな訓練手法「$R^3$ (アールスリー)」に関する研究論文を発表した。この手法は、オフザシェルフのVLMをロボット推論器に転換させ、長期間にわたる複雑なタスクにおけるロボットの汎化性能と探索能力を向上させるとしている。
この研究は、ロボットの操作において、言語による推論がどの程度有効であるかを検証している。従来の基盤モデルにおける言語推論が、分解、制約追跡、将来の結果予測といった複雑な問題解決に寄与してきたが、ロボット操作への応用は未解明な部分が多かった。
$R^3$は、既存のVLMをロボット推論器に変えるためのシンプルな後訓練レシピとして提案された。具体的には、まず専門家が生成した推論トレースでVLMを中途訓練し、望ましい推論スタイルを初期化する。その後、オフライン行動データからの単ステップのルーブリックベースの強化学習 (RL) を用いて推論器を改善する。
既存のロボット推論手法が主に構造化されたトレースを補助的な監督として利用するのに対し、$R^3$は自由形式の言語推論を訓練し、行動のためのテスト時ガイダンスを生成する点で異なる。研究チームは、$R^3$をLanguage Tableとシミュレーションされたバイマニュアル・グローサリー・パッキング (bimanual grocery packing) という二つの制御されたテストベッドで実証した。
その結果、$R^3$は未知のタスクにおける探索と汎化を改善し、インストラクションのみの模倣学習ベースラインを両ベンチマークで有意に上回る性能を示した。論文の著者には、リホン・ウー (Lehong Wu)、ユシャオ・チュ (Yuxiao Qu)、ゼユアン・フー (Zheyuan Hu)、イヴァン・チャン (Ivan Zhang)、リミン・ウェイ (Limin Wei)、ザックリー・エリクソン (Zackory Erickson)、アヴィラル・クマール (Aviral Kumar) の各氏が名を連ねている。これらの分析は、自由形式の言語推論が低レベルポリシーを操縦するためのテスト時計算メカニズムとして機能し得ることを示唆している。
参考: arXiv cs.RO — 2026年8月27日 02:25 (JST)