Auriga、ゼロショットのロボット操作でRoboDojo首位 57.7%を達成

何が起きたか

arXivに2026年10月31日掲載された技術報告で、AurigaはRoboDojoのリーダーボードで成功率57.7%（64.0 Score）を記録し、同じモデルを使う参照ハーネスの2倍を超えた。開発時に13回の異なるタスクにまたがる能力改善を行った後、ハーネスを固定して評価しており、対象タスクでの試行やリセットを使わないゼロショット操作を掲げる。

詳細

Aurigaでは、モデルが明示的なタスク信念に基づいて判断し、直接のツール呼び出しか、複数段階のPythonプログラム生成を通じて操作する。ハーネス側は校正済みの3D計測、指先を基準にした両腕制御、ロボットへの単一の実行許可ゲートを提供する。 動作前にはシミュレーションを一時停止して視覚的な軌道プレビューをモデルに確認させる。実行中は宣言された段階ごとの許容誤差と把持範囲を検査し、逸脱時に停止して測定差分を返し、その場での復旧を促す。固定した同じハーネスはRoboCasa365でも成功率73.2%を記録し、複合タスクでVLA支援エージェントを最大23.1%上回ったと報告した。

Key Facts

本紙の見方

本報告の中心は、言語指示から動作を計画するモデル自体を高性能化することより、計画をロボットの実行へ移す間に生じる失敗を制御層で扱う点にある。報告では、GPT-6 Astraの成功率が腕の実行を含む参照制御で22.5%、腕の実行を取り除くと76.2%となり、計画能力と物理実行の間に大きな差があると位置づけた。Aurigaはモデルの判断とロボットへの動作許可の間に、計測、事前確認、許容範囲の検査を介在させる構成である。これは、モデルが直接アクチュエーターを動かすだけではなく、実行を監督するハーネスを操作性能の一部として設計する取り組みと読める。 ただし、評価結果は「対象タスクで試行やリセットをしない」条件であり、開発そのものが訓練・調整なしだったことを意味しない。報告は13回の異なるタスクにまたがる能力改善の後にハーネスを固定したと記している。この区別はゼロショットという表現を読むうえで重要だ。RoboDojoで参照ハーネスの2倍超、RoboCasa365で73.2%という値は、固定後の汎化を示す評価結果であって、実環境のあらゆる操作にそのまま適用できる証拠ではない。 仕組み上の含意は、失敗を事後の成功率だけで測るのでなく、動作前の軌道プレビューと、実行時の許容誤差・把持範囲の監視に分解している点にある。逸脱を検出した場合に停止し、測定差分をモデルへ返す設計は、ロボット制御の安全境界と、モデルが次の手を決めるための情報経路を同時に定める。単一の実行許可ゲートは、複数段階のPythonプログラムを生成する場合にも、実機への操作を一つの管理点で扱う構成を示している。一方、この報告だけから、そのゲートがどのようなハードウェア保護や安全認証を備えるかは分からない。 業界への意味を測る際には、成功率の比較だけでなく、ハーネスの仕組みを異なるロボットやタスクへ移した場合にも計測精度、指先基準の両腕制御、停止・復旧の連携が維持されるかが焦点となる。シーンランダム化で学習済みポリシーが最大33.9%低下したという報告は、環境変化に対する評価を重視する理由にはなるが、Aurigaの実運用上の優位性を直接証明するものではない。次に確認すべきなのは、使用したロボットの構成、評価試行数や成功判定の条件、停止後の復旧がどの範囲で成立したか、そして実環境での安全性である。これらは提示された要約には記載されておらず、ベンチマーク結果を導入判断へつなげるには追加情報が必要だ。

なぜ重要か

モデルの操作判断をロボットへ渡す際に、Aurigaは軌道の事前確認と実行中の許容範囲検査を挟み、逸脱時には停止して測定差分を返す設計を示した。ロボット操作システムの開発者にとって、成功率だけでなく、動作の許可・監視・復旧をどの層が担うかを評価する材料となる。