ロボット学習入門｜VLA・模倣学習・実機RL・Sim2Realの違い

ロボット学習は、観測から行動を決める方策などをデータから改善する方法です。VLAはモデルの構成、模倣学習と強化学習は学び方、Sim2Realはシミュレーションから実機へ移す過程を指します。同じ分類軸ではなく、組み合わせて使えます。

比較の要点

部品の位置合わせなら、対象を認識して近くまで運ぶ動作と、最後の接触動作を分けます。全身の自由度を同時に学習させる前に、どの工程が既存制御では難しいかを特定します。カメラ校正や座標変換の誤りを、学習で埋め合わせようとしないことが重要です。

本紙は、短い作業で制御と記録を確認し、模倣学習を基準にしてから、必要な部分へRLを加える順序を勧めます。アルゴリズムの名前より、同じ機体と評価条件で改善を再現できるかを基準にします。

Sim2Realと書かれた研究でも、歩行方策を移す場合、画像認識器を移す場合、操作方策を移す場合では課題が異なります。例えばCYCLO Labはシミュレーションと学習を扱います。実機で動く動画があっても、実機上で追加学習した証拠にはなりません。

論文では、訓練環境、実機の型式、追加調整の有無、評価する初期配置を確認します。シミュレーションの成功率と実機成功率を別々に読み、未知の物体や照明へ広がるかは別の評価として扱います。

HIL-SERLは、人間の介入を利用して実機操作の学習を行う研究です。介入を含めた試行の成功と、人が助けない自律成功は区別して評価します。学習側の計算機とロボットの実行側を分けることもできます。

ログにはモデルの出力だけでなく、実機へ採用された指令、次の観測、報酬、終了理由を対応させます。タイムアウトや安全停止の後に、リセット後の画像を直前の行動結果として混ぜないようにします。

基準となる制御・模倣方策と学習後の方策を、同じ評価配置で比較します。自律成功率、良品数、作業時間、人間の介入時間、復旧時間を記録し、学習に使った配置とは別の配置も用意します。

論文の学習時間には、機体統合や治具の準備が含まれないことがあります。試行数だけでなく、準備・リセット・故障対応を含む総時間で評価すると、実験の成果を現場へ読み替えやすくなります。

SmoothRLから読む実機RL — 何を学習し、どう実装し、どこで失敗するのか
AstribotのSmoothRLは、推論と動作が並行する実機で、採用された行動と学習対象のずれを扱う。成功率の改善と評価条件を確認し、実機RLを支える人間介入、報酬、リセット、ログ、導入時の検証まで整理する。
ロボット基盤モデル勢力図 — GR00T・Gemini Robotics 2・π0.7・Helix 02・GO-1
重みが公開されていても、商用ライセンスが無ければ製品には載せられない。GO-1はCC BY-NC-SA 4.0、Gemini Robotics 2系は層ごとに配布先が違い、7月に出たτ0-VLAはApache 2.0。オープンかクローズドかではなく、重み・コード・商用可否の3軸で31モデルを分解する。
VLAは本当に工場で使えるのか
デモの成功率と、工場が求める歩留まりの間には桁の違いがある。Siemensの実地検証とBMWの1250時間から、いま何ができて何ができないのかを切り分ける。
Physical Intelligenceの研究者はどこから来たのか
π0の著者24人を、RT-2・SayCan・PaLM-Eの著者リストと突き合わせる。Googleのロボティクス研究の中核が、そのまま一社になったことが分かる。

公式資料の概念・公開手順をもとに、比較と確認の観点を本紙が整理しました。掲載機種の実機試験結果ではありません。個別研究の数値・条件は上の詳しい解説と出典をご確認ください。

更新履歴：2026-09-11 初版公開。編集責任・訂正窓口

今週のフィジカルAIを日本語で。重要ニュース5本・日本/中国・Research Picks・今週の公募。無料、いつでも解除できます。