Habilis-β、エッジ向けVLAモデルを発表 連続稼働で毎時124タスク

何が起きたか

研究チームは2026年2月21日、エッジデバイス上で高速かつ長時間動作する視覚言語行動モデル(VLA)「Habilis-β」を発表した。1時間の連続稼働評価では、実世界のヒューマノイド物流ワークフローで毎時124タスク(TPH)と平均介入間隔137.4秒(MTBI)を達成し、比較対象のπ0.5(毎時19タスク、MTBI 46.1秒)を大きく上回った。シミュレーションでは毎時572.6タスク(π0.5は120.5)を記録し、標準ベンチマークRoboTwin 2.0の代表的なタスクで最高性能を報告している。

詳細

Habilis-βは、大規模なプレイデータを用いた言語フリーの事前学習と、連続するタスク反復間の状態ドリフトを捉える循環タスクデモンストレーションによる事後学習を統合する。さらに、ESPADAによる位相適応型動作整形で自由空間の移動を高速化し、整流フロー蒸留によりエッジデバイス上での高周波制御を実現する。デプロイ時には分類器フリーガイダンス(CFG)を調整し、指示追従と学習済みの相互作用プリオリティのバランスを動的に取る。評価指標として、生産性-信頼性平面(PRP)を導入し、毎時タスク数(TPH)と平均介入間隔(MTBI)を連続稼働プロトコル下で測定する。

Key Facts

本紙の見方

今回の発表の核心は、VLAの評価軸を単発成功率から連続稼働性能へと移した点にある。従来の評価は、リセットされた環境下での単一試行の成功率に依存しており、実運用で求められる高速動作と長時間の安定性を捉えきれていなかった。Habilis-βは、生産性-信頼性平面(PRP)という新たな評価枠組みを導入し、毎時タスク数(TPH)と平均介入間隔(MTBI)という2つの指標で性能を測る。この指標自体が、実世界展開を意識した設計であり、単なるベンチマークの更新ではなく、評価のパラダイム転換を示唆する。 技術的には、言語フリーの事前学習と循環タスクデモンストレーションによる事後学習の組み合わせが特徴的だ。言語に依存しない事前学習は、多様なプレイデータからロバストな相互作用の事前分布を獲得することを目的としており、タスク指示に過度に依存しない汎用的な動作プリミティブを学習する。一方、循環タスクデモンストレーションは、連続するタスク間で発生する状態ドリフトを捉えることで、長時間の連続運転における劣化を防ぐ。この2段階の学習戦略は、実世界の物流ワークフローのような反復的で長時間のタスクに特化した設計と言える。 さらに、エッジデバイス上での高周波制御を実現する整流フロー蒸留や、デプロイ時に指示追従と学習済みプリオリティのバランスを調整できるCFGの導入は、実運用上の柔軟性を高める。特に、CFGをデプロイ時の調整ノブとして用いる点は、モデルを再学習することなく、環境やタスクに応じて挙動を変えられる実用的な工夫だ。 業界構造への含意として、この成果はエッジAIロボットの実用化競争において、計算資源の制約下でいかに高性能を引き出すかという点で一つの指標を示す。クラウド依存ではなく、オンデバイスで動作するVLAは、通信遅延やプライバシーの問題を軽減でき、物流や製造現場での導入障壁を下げる可能性がある。ただし、今回の結果は特定のワークフローとシミュレーション環境に基づくものであり、他のタスクや環境での汎用性は未検証である。 未確定の論点としては、RoboTwin 2.0のリーダーボードで「代表的なタスク」とされる具体的なタスクの種類や、実世界評価で使用されたヒューマノイドのハードウェア構成、そしてHabilis-βのモデルパラメータ数や推論速度などの詳細が挙げられる。これらの情報が公開されれば、他モデルとの比較や再現性の検証が進むだろう。

なぜ重要か

Habilis-βの成果は、VLAの評価基準を実運用の連続性へとシフトさせ、エッジデバイス上での高速・長時間動作が可能であることを示した。これは、ロボットが工場や物流現場で実際に稼働するための重要な一歩であり、今後のVLA開発の方向性に影響を与える可能性がある。