arXiv cs.ROは10月30日(現地時間)、凍結されたロボットポリシーの周囲の制御コードを自動的に改善し、永続的なメモリを付与する新たなシステム「RoboArchitect (ロボアーキテクト)」に関する論文を発表した。このRoboArchitectは、モデルの重みを更新することなく、未視覚化シーンにおける平均成功率を9.7%から43.3%へと4.5倍に、また未視覚化タスクでは12.7%から40.2%へと3.2倍に向上させることに成功したと報告されている。
RoboArchitectは、コーディングモデルを活用することで、ロボットの実際の動作（ロールアウト）を観察し、その失敗の具体的な原因を詳細に診断する。この診断に基づき、システムは凍結されたポリシーの周囲に配置される「ハーネス」と呼ぶ制御コードを反復的に改訂する。このハーネスは、特定のシーンやタスクにおいて、最適化を目指して一連のエピソードを通じて進化させられ、その性能が厳密に評価される仕組みである。
このシステムは、複数のベンチマークと多様なポリシーを用いて広範なテストが行われた。特に、ポリシーのトレーニングデータから大きく逸脱したベンチマークにおいて、RoboArchitectは際立った性能向上を記録している。
RoboArchitectによって設計される制御戦略は、一般的なタスクに特化した既存のポリシーと比較しても遜色がなく、一部のケースではそれを上回る結果を示している。これは、汎用的なポリシーを「ラップ」する形で、特定の状況に最適化されたスペシャリストエージェントを、手動による細かな調整なしで効率的に生成できる可能性を示唆するものだ。
具体的に自動設計される制御戦略には、動作中に詰まって動かなくなったロボットアームを検知し、それを持ち上げて障害物をクリアにする操作や、頭上から道を塞ぐ障害物を回避するため、水平方向に到達する動作を適切に選択する能力などが含まれる。さらに、RoboArchitectのハーネスは自身の永続的なメモリも進化させる。これにより、過去の経験から得られた学習、例えば効果的な把持深度などの情報を、その後の意思決定プロセスに持ち越すことが可能となり、ロボットは時間と共に特定のタスクに対する適応能力を高め、より複雑な状況に対応できるようになる。
今回の研究結果は、ロボットマニピュレーションにおけるエージェントハーネス設計に大きな改善の余地があることを示している。また、その設計プロセスは、計算負荷の高いモデル重み更新なしに、効果的に自動化および最適化が可能であると論文は示唆している。
参考: arXiv cs.RO (アーカイブ) — 2026年10月31日 02:58 (JST)