Bingxin Xu氏らは2026年10月13日(現地時間)、エージェントロボティクスにおける大規模言語モデル（LLM）の効率課題に対処する新技術「ChunkAct」を発表した。既存システムで課題となっていたLLM推論の冗長性を解消するため、ChunkActはアクションチャンキングを導入。これにより、LLMの呼び出し回数を大幅に削減し、ロボットのタスク成功率を向上させることを目指す。LIBERO-Proにおける評価では、タスク成功率を5.0ポイント向上させた。
エージェントロボティクスは、大規模言語モデル（LLM）エージェントをロボット制御ループに配置し、知覚、運動、Vision-Language-Action（VLA）ツールを記憶の指導のもとで構成することで、再訓練なしで新しいタスクへの汎化を可能にする。しかし、この汎用性は効率面で高コストを伴うという課題があった。個々のプリミティブ（基本動作）の実行には、完全な相互作用履歴に対するLLMの推論ラウンドが必要となるため、エピソードのコストはプリミティブの数に比例して増大していた。
Bingxin Xu氏らは、この推論の多くが冗長であることを見出した。サブゴールが選択されると、そのプリミティブは記憶によって既に規定されたルーチンに従うためだ。これに対し、ChunkActはエージェントロボティクスにアクションチャンキングを導入する。オンラインでは、単一の呼び出しで連鎖したプリミティブのチャンクが起動し、自律的に実行され、失敗した場合にのみ制御を返す。オフラインでは、ChunkActが記憶をこれらのチャンクにコンパイルするため、テスト時の実行は記憶に依存せず、プランナーは推論が必要な決定のために温存される。これにより、LLMの計算はプリミティブの数ではなく、決定の数に比例するようになる。
LIBERO-Proにおける評価では、ChunkActはエージェントロボティクスにおける既存技術と比較して、タスク成功率を5.0ポイント向上させた。また、LLM呼び出しを2.9倍、入力トークンを4.4倍、出力トークンを2.3倍削減した。
参考: arXiv cs.RO — 2026年10月14日 02:59 (JST)