arXiv cs.ROが2026年11月6日(現地時間)付けで報じたところによると、Chen Chen氏らの研究チームは、汎用AIモデルがロボットマニピュレーターの制御において、既存の専門家ポリシーよりも高い信頼性を示すことを実証した。研究では「agentic manipulation policies (AMPs)」が体系的に分析され、特にAMP1というリファレンスハーネスが、デモンストレーションやタスク固有のトレーニングなしで、複数のロボット操作ベンチマークにおいて最先端の結果を達成したと報告されている。
この研究は、ロボット操作における従来の専門家ポリシー、例えばvision-language-action models (VLAs)やworld-action models (WAMs)がデモンストレーションに基づいて訓練されてきた点に注目する。研究チームは、汎用AIモデルがマニピュレーターを直接制御し、タスクの進行に応じてアクションを適応させるAMPsが、これらの専門家ポリシーよりもロボットをより確実に制御できることを示した。
発表されたAMP1は、単腕、両腕、移動式操作といった様々な設定で変更なく動作するリファレンスハーネスとして機能する。このAMP1は、RoboLab-120およびCaP-Gymベンチマークにおいて、トレーニングデータや特定のタスク向け訓練なしで最先端の性能を発揮した。RoboLab-120では、AMP1はゼロショットで85.6%の成功率を達成。これは主要なVLAポリシーの49.2%やWAMポリシーの42.9%と比較して高い数値である。
また、実世界での試験では、AMP1エージェントは12のタスクと3つの異なるロボットインスタンスにわたる108回の試行のうち104回でゼロショットでの成功を記録した。これにより、強力なVLAおよびWAMベースラインと比較して、失敗率がそれぞれ20倍、15倍低減された。AMP1の基本的なハーネスには、把持、押す、配置といった特定のスキルは供給されていないが、エージェントは隠れたオブジェクトの探索、オブジェクトをツールとして利用する、カメラをキャリブレーションするといった独自の戦略を開発する能力を示した。
さらに、永続的な記憶ストアを追加することで、エージェントは経験から学習することも可能になった。記憶表現をエピソード間で引き継ぐ拡張ハーネスを使用した場合、RoboDojoにおける両腕操作タスクの失敗率は、ゼロショット展開時と比較して4.6倍低減した。研究チームは、AMPsが専門家操作ポリシーよりも本質的に汎用的かつ堅牢であり、ロボット操作の新たな基盤を提供すると結論付けている。
参考: arXiv cs.RO — 2026年11月7日 03:59 (JST)
原文ハイライト"Our analysis suggests that AMPs are substantially more general and robust than specialist manipulation policies"