EndoRSI、内視鏡ロボット方策を物理実験で反復改良する手法を発表

何が起きたか

arxiv.orgは2026-10-09、EndoRSI（Endoscopic Recursive Self-Improvement）を公表した。これは、埋め込み型のコーディングエージェントEndoForgeが、物理実験の証拠を使って内視鏡ロボット方策を反復的に開発・改良する、人間統治型の自己改善システムである。論文によると、物理実行は人間の承認の下、安全制約付きの実行環境に分離されている。

詳細

論文は、最初の検証証拠によってエージェントが初期の行動表現を拒否し、その後の物理実験では、オフラインで支持されていた挿入戦略が危険な閉ループ挙動を示したため否定されたとしている。失敗した物理ロールアウトは方策改訂に組み込まれ、挿入成功率は第1世代の2/21から第4世代の17/21へ上昇した。最終的に凍結された方策は、視覚条件とハードウェア条件の変化をまたいで能力を維持し、6つの独立したex-vivo豚試料の中で最良の自律方策だったとしている。

Key Facts

本紙の見方

この論文の新しさは、内視鏡ロボットの学習ループに「物理実験の失敗」を組み込み、方策改訂の根拠として使っている点にある。単にシミュレーションや静的データで改善するのでなく、危険な閉ループ挙動を実機側の証拠で否定し、さらにその失敗例を次世代の方策修正に回している。ここで主役はロボット本体そのものではなく、実験証拠を回す改善プロセスである。 本紙の見方では、これは自律学習の一般論ではなく、内視鏡という安全制約の強い領域で、どこまで人間の監督を残しつつ自己改善を許すかを示す事例だといえる。物理実行が「安全制約付きランタイム」に隔離され、人間の承認が必要とされていることは、完全自動化ではなく監査可能性を優先した設計を示す。挿入成功率が2/21から17/21へ改善したという数字は、反復の有効性を示す一方で、母数が限られているため、別条件でも同じ改善曲線が出るかはまだ見えない。 業界構造でみると、影響が大きいのはモデル性能よりも、失敗ログをどう収集し、どう再学習に戻すかという実験系の設計である。6つの独立したex-vivo豚試料で最良だった点は、単一標本への過適合ではなく一定の頑健性を示唆するが、臨床環境への接続はこの論文だけでは判断できない。今後の焦点は、成功率の改善がより多様な解剖条件でも維持されるか、危険な閉ループ挙動をどこまで事前に抑え込めるか、そして人間承認の手順が実運用でどれほどの負荷になるかにある。

なぜ重要か

論文は、物理実験の失敗を方策改良に直接使えることを示しているため、内視鏡ロボットの検証で「何が危険だったか」を記録し直す仕組みが重要になる。安全制約付きの実行環境と人間承認を前提にしている点は、医療機器寄りの自律学習で必要な統制の形を具体化している。