ロボット、重み更新なしで成功率95%に自己改善

Yen-Jen Wang氏らの研究チームは、ロボットの実行システムを自律的に改善する枠組み「RPG(Reconstruct, Practice, Go Real)」を、論文公開サイトarXivで発表した。ロボットに多様な作業を担わせるには、スキルの開発と保守、報酬の設計、知覚と制御の統合に多大な人手が必要であり、導入費用を押し上げてきた。RPGはこの工程の一部を自動化する試みである。

研究の概要

RPGは、既存の操作データセットからロボットが実行できる操作の種類を特定し、関連する練習課題をシミュレーション上に構築する。練習中は、実行時のフィードバック、シミュレータが保持する内部状態、データセットの動画を使って失敗の原因を診断する。

診断結果に基づき、再利用可能な記号的スキルの新規作成、既存スキルの改良、システムプロンプトの改訂を行う。変更案はそのまま採用されない。個別の候補と統合後の改訂を複数タスクにまたがって評価し、有効なものだけを保持する。実運用時には、マルチモーダルLLMがこのプロンプトとスキルライブラリを用い、知覚とロボット制御を統括する。モデルの重みは一切更新しない点が特徴である。

未知の初期配置で評価した22の操作タスクでは、成功率が1回目の練習後の**28.6%から、15回の練習後には95.0%**へ上昇した。比較対象のうち、ASPIREは75.5%、GPT-6 Astra Pro搭載のCaP-Agent0は60.0%にとどまり、RPGは評価した全ての基準手法を上回った。実機では、共通の校正とハードウェア適応を施した後、凍結したシステムが3タスク各10回、計30回の試行を全て成功させた。

ビジネスへの示唆

最も影響が大きいのは製造業と物流業である。組み立て、部品供給、ピッキングなどの工程では、新しい品目や治具のたびに生産技術部門やシステムインテグレーターが調整を重ねてきた。練習の大半をシミュレーションで済ませられれば、次の指標の改善が見込まれる。

• ライン立ち上げ・段取り替えに要するリードタイム
• ロボット教示とプログラミングの人件費(エンジニア工数)
• 新規品目への対応にかかる期間と初期不良率

重みを更新しない方式は、品質保証や監査の面でも利点がある。改善の成果がスキルの記述とプロンプトという読める形で残るため、変更履歴の管理や不具合時の差し戻しが容易になる。大規模な再学習用の計算資源も不要である。設備保全部門や品質保証部門が、変更内容を人手でレビューしてから本番環境へ反映する運用が想定される。

導入企業にとっては、ロボットを購入して終わりにせず、運用データを蓄積して改善を続ける資産に変えられる点が重要である。既存の作業動画や操作ログは、練習課題を生成する素材として価値を持つ。データを整備している企業ほど、改善の効果を得やすいと考えられる。

今後の展望

留意すべき点も残る。実機での検証は3タスク30回にとどまり、22タスク全体の成功率95.0%はシミュレーション上の結果である。実機で成功するには、校正とハードウェア適応という手順が前提となる。工場や倉庫の多様な環境、照明、物体の変動に対して同等の水準が維持されるかは、今後の検証課題である。また、シミュレータが現場をどこまで忠実に再現できるかが、改善の質を左右する。

それでも、人手に頼ってきたスキル開発と保守を、シミュレーション上の自律的な練習に置き換えられる可能性を示した意義は大きい。ロボット導入を検討する企業は、自社の作業データの整備状況と、シミュレーション環境を構築する体制を早期に点検しておく必要がある。ロボットメーカーやインテグレーターにとっては、現場調整を人手で担う従来の収益構造を見直し、継続的な改善サービスへ軸足を移す契機となり得る。