AI・ソフトウェア

AIが仮説を立てロボットが実験する研究システム「ロボット科学者2.2」が、18日に安徽省合肥市で開かれた「智能科学家生態連盟」の第4回年次総会で発表された。大規模AIモデルが仮説を立て、小規模モデルが検証し、研究ロボットが精密な実験を担う仕組みで、新物質を自律的に創製する。研究ロボット110台、AI化学ワークステーション196台、命令セット508種類、化学実験テンプレート3200種類、AIモデル310種類を統合する。バイオ医薬や新エネルギー、宇宙探査などで活用され、中国科学技術大学教育基金会は年500万元超の人材支援基金も発表した。

北京科技大学（USTB）のチームが、深層強化学習を用いてロボット蝶の翼を再設計する研究を発表したと報じられた。取得できた本文がなく、手法や性能の詳細は不明である。タイトルから、強化学習を翼形状の最適化に使い、羽ばたき型ロボットの設計を改善する取り組みと読み取れる。具体的な成果の数値は確認できていない。

米ビンガムトン大学のAdnan Siraj Rakin助教らが、ロボットのタスク計画用LLMに複数のトリガー語でバックドアを仕込む攻撃MuTRAPを示した。ドメイン特化のファインチューニング時に悪意ある挙動を埋め込み、トリガーを含む指示で安全な計画が有害な計画に切り替わる。GPT2-largeやLlama-3.1-8Bなど7モデルをVirtualHomeで検証し、手を切る計画や猫を加熱する計画が生成された。実害はなく、模擬の果物や3Dシミュレーションでの実験である。生成計画を別のLLMで事前評価する防御PROTEAも提案し、IROS 2026で発表した。

イリノイ大学アーバナ・シャンペーン校の研究者らが、強化学習と収縮理論を組み合わせた手法CARL（Contraction-Aware Reinforcement Learning）を開発した。学習した制御方策で追従誤差の挙動に数学的保証を与え、既存手法より追従性能を最大15%高めた。車輪型のTurboBot 3 Burger、羽ばたき型ドローン、六脚ロボットJethexaの3種で実機を含む実験を行った。学習制御の不安定化や破損のリスクを減らし、実用展開を進める成果である。

スタンフォード大学が、自律ロボットの学習を世界に開放する取り組みを発表した。Stanford Reportが2026年10月22日に伝えた。提供された情報はタイトルのみで、公開される内容の詳細や仕組み、対象となる利用者、開始時期は本文から確認できない。研究成果やツールを外部の研究者へ広げることで、ロボット学習の研究が進む可能性がある。

DONICは、人間のデモから両手の器用な動作を追従する汎用の制御方策で、1つのネットワークで左右の手を制御する。多視点の両手物体操作データセットBiHOI（229物体、1,575シーケンス）も新たに構築し、ロボットハンド向けの参照動作に変換した。学習はPPOと行動模倣を組み合わせ、成功した実行結果をデモとして再利用する。物体中心の手ごとの報酬や、クリップ単位の優位性補正も導入した。微調整なしで、学習物体の未見軌道で86.79%、未見物体で57.32%の成功率となり、既存手法を大きく上回った。評価はIsaac Gymのシミュレーション上である。

NUS、HUST、SJTU、NTU、HKBUの研究者が、物理世界のロボットにおける再帰的自己改善（RSI）を論じる論文をarXivに投稿した。RSIとは、挙動だけでなく改善の過程そのものも改善していく仕組みである。部分的な観測や高コストな試行、不可逆な結果といった物理環境の制約を踏まえ、ロボット学習の中での位置づけと道筋を整理している。既存研究は操作タスクが中心で、挙動の改善や後続の学習への効果、手順の改善は確認されている。一方、再帰そのものに起因する利得を切り分けた物理実験はまだないと指摘する。評価の原則と今後の研究方向もまとめている。

接触力が必要な操作では、視覚だけでは荷重情報が得られない。CW-WAMは映像・動作・接触レンチを同時に予測する世界行動モデルで、動作と力を対にして扱う注意機構と長い力の記憶を備える。予測した力は20Hzの外側ループのアドミタンス制御器に参照値として渡される。1mmクリアランスの角ペグ挿入成功率は25%から70%、電源アダプタは40%から95%に向上した。力参照のRMSEもペグ挿入で4.8Nから2.7Nに下がった。

RGBのみの人間動画から3D空間に根ざした両手の器用操作を学ぶ枠組み「SpatialDex」が発表された。各動画から場面の形状を復元して手の動きを推定し、手の大きさの事前知識でスケールを揃える。復元した形状は方策の入力と予測対象の両方に使い、視覚言語モデルのトークンに融合する。100万クリップで事前学習し、少数のロボット実演で微調整した結果、シミュレーション9課題で最先端手法を16.5ポイント、実機の両手6課題で38.3ポイント上回った。形状を使わず手の動きだけで事前学習した場合との比較でも、成功率が14.2ポイント向上している。

中国科学技術大学や上海AIラボらが、VLMを編集可能なハーネスでロボットエージェント化するSERAを提案した。長期タスクでは進捗や過去の結果を保持する非マルコフ的な依存が生じる。SERAは観測と実行結果からタスク文脈を更新し、次の計画に反映する。低レベル制御は固定のVLAが担い、環境ロールアウトでハーネスの修正案を評価して選ぶ。RoboMMEで自律選択時の全体成功率は51.38%となり、自己進化なしの44.38%を上回った。

ETHの研究チームが、人型ロボットの不整地歩行で使う標高マップを、次の足場の周辺だけに絞る手法を提案した。軽量な足場予測モデルが固有感覚と速度指令から次の2歩を予測し、その周囲の7×7パッチだけを方策に与える。入力は全体スキャンの693点から102点に減り、同じ地形難度に達するまでの学習反復は約3分の1になった。足場がまばらな環境や未知の地形でも全体マップ方式を上回り、計算コストが数倍の注意機構型エンコーダとも同等の性能を示した。Unitree G1にゼロショットで移植し、階段や段差、隙間を屋内外で踏破している。

言語を共通の行動インターフェースとして使い、シミュレーション、ロボット軌跡、画像、動画から学習する潜在世界モデルLaLa-Worldが発表された。数値の行動や視覚変化を言語で記述し、言語モデル上に構築した単一の予測器で異種データを横断学習する。各領域・タスク別に学習した既存の潜在世界モデルよりMPC計画性能が高く、動画生成モデルのベースラインと同等の性能を学習コスト6分の1、計画13.9倍速で達成した。さらに方策へ微調整したLaLa-Policyは、LIBEROとRoboCasaでCosmos Policyと競合し、推論は最大5.5倍速い。

事前学習済みロボット基盤モデルを、現場で動かしながら改善する後学習システムTIDEがarXivで発表された。人の介入データと方策自身の実行データを、出自を条件にした教師あり学習でオンライン更新する。価値関数や報酬モデルなどの補助モデルは使わず、学習の複雑さと不安定さを避ける。双腕の実機4タスクで、ウォームスタート方策や同量のオフライン実演を追加した場合より進捗と完遂率が向上した。1タスクあたり1時間未満で最終チェックポイントまで到達する。

CausGroundは、行動の前提条件と効果を因果知識として蓄積し、再利用する非パラメトリックな枠組みである。物体の属性や関係を表す世界状態の上で、前提の後ろ向き推論と効果の前向き推論を行い、行動選択や複数手順の計画に生かす。VirtualHomeでは平均タスク成功率が24.9％から53.3％へ、RoboCasaでは閉ループ計画成功率が43.0％から57.0％へ上がった。パラメータ更新なしで実ロボットの逐次操作にも適用できた。同じ話題として、長期の身体性エージェントを評価するTARSphereやSCOPEなどの関連研究も報告されている。

ロボット操作向けのワールドアクションモデル（WAM）に関する論文が複数、arXivに投稿された。AW-0は、コード、将来映像、ロボット行動の3つの流れをMixture-of-Transformersで同時に生成し、コード計画と物理的な予測を結び付ける。生成したプログラムはスキルとして再利用でき、RoboTwin 2.0と双腕の実機タスクでVLAやWAMの基準手法を上回った。FREDは単一ノイズ除去ステップで得る将来映像表現を自己蒸留で改善し、人の動画だけで示したタスクの成功率を、最良の競合の19.4%に対し50.0%にした。ほかに4D幾何を統合したUniFlowWAMや、物理較正、骨格に基づく潜在行動モデルも報告された。

VLA（視覚言語行動）政策の信頼性向上を狙う4本のarXiv論文が相次いだ。単一ポリシーの埋め込みからGaussian過程の条件付き分散で認識的不確実性を推定する手法は、SmolVLAとLIBERO-10の実験でアンサンブルに匹敵し、スコア算出時間を最大約50分の1に減らした。FastHarnessはGPT-6 Astraによるπ0.5の監督頻度を経験から調整し、レビューのトークン使用量を平均57.2%削減、成功率を80%から97.19%に高めた。Echoは停止・失敗信号を行動チャンクに加えて同時にデノイズし、成功・失敗の判定と行動生成を一つのVLAで担う。ほかに実行可能な記憶を扱うストリーミング推論の研究もある。

RangeNavは、パラメータ数183kと小型のLiDAR距離画像エンコーダで、合成データのみで事前学習する。再構成、意味分割、俯瞰図予測を組み合わせた目的で学習し、その後は固定して方策学習に使う。意味とBEVの教師を加えると、再構成のみの基準より成功率が学習環境で平均32.03pp、未知の現実的環境で23.73pp向上した。Unitree B2-Wでの実機検証では、追加学習なしで密集した人混みや暗所、工事現場を通過できた。同日には、軽量MLPを用いた自動運転計画DriveMLPも、nuPlan Val14 Reactiveで86.51点を記録している。

ロボット操作の基盤モデルに関する論文が2本出た。一つは、凍結した3D基盤モデルの幾何特徴から予測的な幾何表現と、行動に効く運動表現を学ぶ二段階の枠組みである。LIBERO、SimplerEnv、実世界の双腕・単腕タスクで方策を改善し、WidowX評価では絶対値で10.4ポイント向上した。推論時に未来観測は不要で、複数のVLAやWAMにも転用できる。もう一つはSensorimotor Alignment（S²）で、感覚表現と軌道の近傍の重なりを測る学習不要の指標だ。S²が高いモデルほどタスク成功率が高い傾向があり、閉ループ評価前にモデルを選ぶ安価な代理指標になる。

2026年10月20日にarXivへ、触覚を扱うロボット操作に関する論文が複数投稿された。GPT-as-Tactile-Policyは、専門家デモを作業指針と触覚参照に要約し、汎用マルチモーダルモデルGPT-6-Astraが触覚フィードバックで動作を修正する。ロボット専用の事前学習やタスクごとの微調整なしで、UniVTACの5タスクで平均成功率93.8%を達成した。Insert Holeでは触覚により成功率が31%から99%に向上した。T-WLAは視覚メモリを共有して触覚修正を行う手法で、指関節MPJPEを30%低減し、実機の成功率は約50.0%だった。

NVIDIA Researchが、テキストから動画と同期した3Dモーションを任意の骨格（リグ）向けに同時生成するモデル「JCA」を発表した。動画生成モデルは現実的な動きを描けるが、特定の3Dアセットに再生可能な動きとして返せなかった。そこで3Dモーション用の別モデルを、少数のクロスアテンション層で事前学習済み動画モデルとつなぐ構成を採った。関節の位置を動画内で推定することでカメラも復元し、動きを3Dシーンに配置できる。人間やロボットの動画を含む約20万の学習ペアで訓練し、動画優先の手法よりテキストに忠実に動かせると評価された。キーフレームによる軌道制御や、動画と動作の相互変換にも対応する。

人手のデモには迷いや非効率な動きが混じり、通常の模倣学習では質の低い動作まで再現してしまう。AWLSは、事前学習済みの一段生成方策のデコーダを凍結したまま、潜在ノイズに対する観測条件付きの小さな残差補正（residual noise shaper）だけを学習するオフライン後学習手法である。アドバンテージは勾配を流さず教師あり重みとしてのみ用い、批評家の誤差増幅や事前分布からの逸脱を抑え、高速な一段推論も保つ。ノイズ摂動への応答性でチェックポイントを選ぶ基準も提案した。シミュレーションと実機5タスク（各20回試行）で、基本方策を上回る結果を示した。CoRL採択の研究である。

行動ラベルのない動画からロボットの方策を学ぶため、複数カメラの映像を使う潜在行動モデル（LAM）が提案された。従来の単一視点では奥行き方向の動きや遮蔽が曖昧になるため、クロスアテンションで視点を統合してから潜在行動に圧縮する。2視点にすると正解の6D行動の復元精度が単一視点より17%高まった。下流方策の成功率は単一視点LAMの+6.2%に対し+13.5%向上した。人の手の実演を使う実機の850回の試行では、行動のみの方策より成功率が+20%高かった。

人間のRGB動画1本から、同カテゴリの多様な物体に対するロボット実演を数千件生成するReal2Sem2Realが発表された。物体の姿勢をGaussian splatで追跡し、写真から作ったデジタルな類似物体を意味的に位置合わせして、シミュレーションで再生する。IsaacSimまたはMuJoCoで2,000件超を約2時間で生成できる。生成データでπ0.5を微調整し、2台の実ロボット・4タスクで評価した結果、遠隔操作データと同等以上の性能を示した。

動画生成モデルを身体性ワールドモデルの基盤にするには、生成された動作が物理的に妥当でタスク指示に忠実である必要がある。研究チームは、物理的妥当性と指示整合性の2軸でMLLMの審判能力を測るRoboJudge-Benchを作った。8種のコーパスと10種の動画生成器による人手注釈付き800本を対象とし、汎用MLLMは物理面で人間との一致が低いことが分かった。そこで1.2万本・2.5万件のスコアで構成する学習データを作り、教師あり学習と強化学習で9BのRoboJudge-9Bを訓練した。ピアソン相関は0.719で、最良の商用比較対象Gemini-3.7-Flashを0.089上回った。

タスク別の学習をせずに、触覚の経験から細かな操作ができるかを調べた研究。システムTactile-ETAは、専門家デモの各動作にカメラ映像と両側の触覚観測を組み合わせ、文脈として与える。エージェントは現在の視覚、触覚、固有受容と合わせ、汎用ロボットツールで行動を選び、パラメータは更新しない。シミュレーション4タスクでは、同じ2件のデモに触覚を加えると平均成功率が15.75%から24.00%に上がった。実機では視覚と触覚をそろえたデモで成功率が0%から60%になった。

LocoPilotは、移動と操作を併せた方策の学習用デモを一人で収集できる双方向遠隔操作フレームワークである。12自由度の Unitree Go2 四足ロボットに6自由度の AgileX Piper L アームと RealSense D435・D405 カメラを搭載し、リーダー用の第2のアームと2つのハンドヘルドコントローラで胴体・姿勢・アーム・グリッパーを同時に操作する。力覚センサなしで推定した接触力を、受動性を保つ触覚チャネルで操作者に返す。ROS 2で同期した多モーダル観測と共通の11次元行動を記録し、MolmoAct2をピック＆プレース demo で微調整して、再マッピングなしに実機へ展開できた。コードは公開されている。

Lee、Dennler、Sucholutsky、Bobuらが、ロボットがタスクの特徴を取り違える問題に対し、自然言語の修正で内部表現を更新するFLEXを提案した。言語モデルを使い、足りない特徴の追加、具体的すぎる特徴の一般化、無関係な特徴のマスクという3操作で表現を反復的に洗練する。2Dナビゲーション、7DoFのFranka卓上操作、実ロボットでの人間の言語修正を用いた実験で評価した。単一操作の手法などと比べ、3操作すべてが対話場面で必要であり、正規化報酬も一貫して高く、簡潔で転用しやすい表現を保つと報告している。CoRL 2026に採択された。

模倣学習では初心者オペレータのデモが量・一貫性で熟練者に劣る。本研究は、多指ハンドを指先と関節のキーポイントで表示する遠隔操作インターフェース「PointHand」を提案した。シミュレーションのマグカップ入れ課題で初心者18人・熟練者4人が計2,200試行を行い、親指と人差し指を強調した条件では600試行中441件の成功デモが得られ、実形状表示の320件を上回った。これで拡散方策を学習すると、点群方策では最下位の46.3%だった成功率が、キーポイント方策では最高の57.3%（+11.0ポイント、5シードすべて）になった。操作者の見え方と方策の観測表現を合わせて設計する価値を示す。

ロボット操作の能力主張は検証が難しく、既存のリーダーボードは非公開・シミュレーション限定・不正可能のいずれかだという問題意識から、HATCHが提案された。実物のロボット脱出部屋として仕様を公開し、物理的に再現でき、センサーで採点し、事前の練習が効かない設計だ。タスクは5つのスキル分野と3段階の難易度にまたがり、前のタスク完了をセンサーが確認すると次が解錠される連鎖構造で、一つの長期評価になる。配置は実施日のシードでランダム化し、参加者は無編集動画・センサーログ・シードを添えた自己実行を提出する。仕様書、製作ガイド、部品表、採点基準は公開ライセンスで公開される。

ロボットのプランナーを、複数のハーネスにまたがって後学習するフレームワークAgenticRoboRLが公開予定だ。教師あり微調整とマルチターン強化学習を組み合わせ、ハーネスごとのアダプタで共通の学習パイプラインを実現する。対象はVLAスキル呼び出しと制御コード生成の2方式である。LIBERO-PROで9Bパラメータのプランナーの成功率が18.1%から71.0%に向上し、外部メモリ付きCodex（GPT-5.5）の72.1%に迫った。フレームワークと学習済みチェックポイントは公開される予定である。