ActOR、手術室の環境認識と実行フィードバックでヒューマノイドの作業成功率を改善

何が起きたか

arXiv掲載論文「ActOR: Ambient AI-Based Agentic Orchestration for Humanoid Autonomy in Operating Rooms」は2026年11月3日、手術室でヒューマノイドを自律動作させる仕組みと評価結果を報告した。シミュレーションでは、実行結果を計画に戻す閉ループ制御により、成功率が通常条件で46.7%から83.3%、ナビゲーション・物品移動・把持への摂動を加えた条件で8.3%から51.7%に上昇した。実機を使った模擬手術室での単一物品の廃棄試行では、20回中14回を完了した。

詳細

ActORは、壁面設置カメラとヒューマノイドの頭部搭載カメラを統合し、物体レベルの共有デジタルツインを構成する。大規模言語モデルのエージェントがその情報を使い、事前にプログラムされた移動・操作スキルを組み合わせて計画する。論文は、タスク固有の学習を行わない構成としている。 評価は、実際の部屋を再構成した2つのシミュレーション手術室における3タスクと、ヒューマノイドを使った物理的な模擬手術室での廃棄試行で行った。シミュレーションで対象物が当初ロボットの視野外にある場合、環境側の認識を使うことで、1試行あたりの探索呼び出しは平均1.05回から0.12回に減った。実行中にデジタルツインを更新し、成否を再試行や別の方法、再計画に反映する。

Key Facts

本紙の見方

この研究で焦点となるのは、ヒューマノイドの視点だけで環境を把握するのではなく、室内の固定カメラによる認識を共有し、作業中の結果を次の行動計画に戻す構成である。シミュレーションでは、対象物がロボットの視界にない場合の探索呼び出しが平均1.05回から0.12回に減った。したがって、環境側の認識は初期の位置把握を補い、実行結果のフィードバックは把持失敗や環境変化への対処を担うという、異なる役割を持つと読める。 成功率の変化も、認識だけでなく実行後の更新を組み合わせる意義を示す。摂動条件では成功率が8.3%から51.7%となった一方、通常条件でも46.7%から83.3%への改善にとどまる。ロボットの動作が常に完了する段階ではなく、環境認識と再計画が失敗をどこまで回復できるかを検証した結果と位置づけられる。ただし、論文の抄録が示すのは、実際の部屋を再構成した2つのシミュレーション環境での3タスクと、模擬手術室での単一物品廃棄であり、臨床手術室での運用実績ではない。 方式面では、大規模言語モデルが事前プログラム済みの移動・操作スキルを組み合わせ、タスク固有の学習なしで計画する。これは、個別作業の学習データを増やすこととは異なる設計上の選択だが、あらゆる作業にそのまま適用できることを意味しない。対象物や作業が変わった際の技能の適用範囲、環境認識の誤りが計画に与える影響、再試行時の安全性は別途確かめる必要がある。 今後の評価では、模擬環境での成功率を臨床環境へ一般化できるかに加え、作業者の介入頻度、動作の所要時間、異なる物品・配置での再現性が焦点になる。抄録は実機試行20回中14回の完了を示すが、試行ごとの失敗要因や安全性の評価方法までは記していない。したがって、現段階で示されたのは、共有認識と実行結果の反映を組み合わせる方式の実現可能性であり、手術室業務への適用範囲は今後の検証に残る。

なぜ重要か

ロボット単体の視界にない対象物を室内カメラで補い、実行結果を再計画に使う構成は、部分的な観測や作業中の変化が課題となる手術室ロボットの自律性に関わる。もっとも、報告された実機結果は模擬手術室での廃棄試行20回に限られ、臨床環境での安全性や業務適合性を示すものではない。