GPT-6-Astra、記憶依存の操作課題でロボット方策として92.1%を記録

何が起きたか

arxiv.orgは2026-10-12、GPT-6-Astraを凍結したフロンティアVLMとしてそのままロボット方策に使う研究を公開した。対象は、時間・空間・物体・手続き記憶にまたがる16の記憶依存操作課題からなるRoboMMEで、800テストエピソードの成功率は92.1%だった。研究は、同じモデルをRoboMME学習済み方策と組み合わせた階層型システムの79.1%や、最良リーダーボードの60.8%を上回ったとしている。

詳細

研究では、GPT-6-AstraはRoboMME向けの追加学習を受けず、各エピソード全体を文脈として保持しながら、各エンドエフェクタのウェイポイントとグリッパー命令を出力した。人間のスコアは、オラクルのスキルインターフェースを用いた条件で90.5%とされ、この数値とも比較されている。 成果は16課題中13課題で人間のスコア以上または同等だった一方、63件の失敗は主に2課題に集中し、早すぎる完了や、ボタン押下のタイミングずれ、意図しないボタン押下が多かったとしている。コード、プロンプト、全エピソードログはGitHubで公開され、プロジェクトサイトも示されている。

Key Facts

本紙の見方

今回のポイントは、単なるVLMの認識精度ではなく、1つの汎用モデルが記憶、長期計画、エンドエフェクタ制御を同時に担えるのかを、RoboMMEという記憶依存操作ベンチマークで具体的に示した点にある。RoboMME向けの追加学習を施さず、各エピソードを通しで保持しながらウェイポイントとグリッパー命令を直接出すという構成は、従来の「視覚言語モデル→別の方策→制御」という分離型の前提を崩す試みである。 本紙の過去報道はないため、連続性の比較はできないが、数字の並びから見ると主役はモデル名そのものではなく、92.1%という成功率が人間の90.5%を上回り、最良リーダーボード60.8%や階層型システム79.1%を引き離した点にある。つまり、評価軸は「会話ができるVLM」ではなく、「記憶を要する操作をどこまで単一モデルに肩代わりさせられるか」に移っていると読める。13/16課題で人間超えまたは同等という結果も、全領域で一様に優れるというより、課題依存の得手不得手がまだ残ることを示す。 構造面では、入力が視覚・言語、処理が汎用VLM内部の記憶保持、出力がウェイポイントとグリッパー命令という一本化された経路になっている。これは、ロボット側で個別に計画器や専用政策を積む設計より、汎用モデル側へ機能を寄せる流れを示す一方、失敗63件の集中先が2課題に偏る事実は、汎用化の限界も同時に示す。今後確認すべき論点は、RoboMME以外の実機環境で再現できるか、失敗が集中した2課題の条件が何か、そして追加学習なしで得られた性能が他の操作タスクや異なるハードウェアでも維持されるかである。

なぜ重要か

研究が示したのは、RoboMMEの16課題では、追加学習なしのフロンティアVLMが人間の公表スコアを上回り得るという事実である。ロボット操作の分解設計を見直すうえで、どの機能を汎用モデルに寄せ、どこを専用制御に残すかが焦点になる。 同時に、63件の失敗が2課題に集中したことから、実用化では平均成功率だけでなく、失敗が起きる課題類型の切り分けが必要だとみられる。