EmbodiedEvo、物理タスク向け自己改善型コードエージェントを提案　RoboDojo-Simで平均44.48点

何が起きたか

EmbodiedEvoは、物理知能向けにコードを実行可能な表現として使い、単一のPlaygroundシーンで得たフィードバックからSkillsとLessonsを進化させ、新しいシーンではそのハーネスを固定して使う手法である。arXivに2026-10-13付で掲載された論文で、RoboDojo-Sim上の平均スコアは44.48、成功率は37.82%だった。 論文は、視覚言語行動（VLA）モデルのように観測と言語指示を直接行動へ写像するのではなく、コードを制御ロジックとして明示化し、再利用可能にする点を強調している。Astraの経験を使うと、SolとLunaの成功率は経験なしの場合よりそれぞれ8.86ポイント、5.50ポイント上昇した。

詳細

論文は、単一のPlaygroundシーンで得た経験をもとにReusableなSkillsとLessonsを生成し、その後の多様な新シーンでは固定されたハーネスで評価する構成を示す。Raw interaction historyと比べ、SkillsとLessonsは実行コストを53.0%下げつつ同等のタスク性能を実現したとしている。 一方で、ペアテストでは記憶依存タスクと協調手順の再利用で最大の改善が見られたが、細かな接触制御は依然として難しいとされた。論文中では、Astraの経験がSolとLunaの成功率をそれぞれ8.86ポイント、5.50ポイント押し上げたと記されている。

Key Facts

本紙の見方

EmbodiedEvoの新しさは、物理タスクを「観測から行動を出すモデル」に閉じず、コードを制御ロジック兼作業空間として扱った点にある。単なる方策の置き換えではなく、単一のPlaygroundシーンで得た経験をSkillsとLessonsに圧縮し、別シーンではその成果物を固定して使う設計であるため、学習と実行の境界をずらしている。これは既存のVLA型の延長ではあるが、失敗のたびに再利用可能な手続きを残す点で、デジタル環境のSWE型ループを物理世界に移した試みといえる。 本紙の関連記事はないが、論文本文から読める焦点は、性能そのものよりも「どの経験を残すか」である。Raw interaction historyより53.0%低い実行コストで同等性能を得たという結果は、単に長い軌跡を貯めるより、SkillsとLessonsへ要約した方が運用上は有利になりうることを示す。他方で、平均44.48点、成功率37.82%という値は、公式に検証済み結果を上回ったとしても、細かな接触制御が残課題であることを同時に示している。つまり、今後の争点はモデル規模そのものより、経験圧縮の質、再利用時の破綻条件、どの作業で一般化が効くかに移るとみられる。 産業構造の観点では、フィジカルAIのボトルネックが「行動生成」だけでなく「経験の保存形式」に移っている点が重要である。記憶依存タスクや協調手順で伸びが大きかったことは、複雑な実作業ほど、単発の模倣より手順の再利用が効く可能性を示す一方、接触制御の難しさは、現実環境の力学や誤差をどうコードへ反映するかが未解決であることを示す。次に確認すべき論点は、RoboDojo-Sim以外の実機環境で同じ53.0%のコスト差が出るか、SkillsとLessonsの生成条件が何か、そしてどの種類の物理タスクで成功率の上積みが再現するかである。

なぜ重要か

論文は、物理タスクの性能評価で平均44.48点と成功率37.82%を示し、さらにSkillsとLessonsで実行コストを53.0%下げたとしている。これは、フィジカルAIの実装で計算資源だけでなく、経験をどう圧縮して再利用するかが運用条件になることを示す。

日本への影響

日本企業や研究機関にとっては、ロボット実機そのものだけでなく、作業経験をSkillsとLessonsのような形で蓄積・再利用する評価基盤が論点になる。接触制御や記憶依存タスクで差が出るなら、精密機器、産業ロボット、実環境データの収集設計が競争力の源泉になりうる。