何が起きたか
arXiv掲載の論文「On Agentic Manipulation Policies」は2026年11月6日、汎用AIモデルが作業の進行に応じて動作を変えながらマニピュレーターを直接操作する「Agentic Manipulation Policies（AMP）」を検証した。参照実装AMP1はRoboLab-120でゼロショット成功率85.6％を達成し、論文が比較対象としたVLAの49.2％、WAMの42.9％を上回った。実環境では12タスク、3台のロボットを用いた108試行中104試行で成功したと報告している。
詳細
論文によると、AMP1は単腕、両腕、移動式の各操作環境で変更せずに動作する参照ハーネスで、デモンストレーションやタスク別の訓練を用いない。RoboLab-120とCaP-Gymのベンチマークで評価し、基本構成には把持、押す、置くといった操作スキルをあらかじめ与えていない。論文は、隠れた物体を探す、物体を道具として使う、カメラを調整するといった方策をエージェントが自ら組み立てた例を挙げた。 実環境試験では、強力なVLAおよびWAMの比較対象に対し、失敗率がそれぞれ20分の1、15分の1になったとする。さらに、エピソードをまたいで保持する記憶表現を加えた構成では、RoboDojoの両腕操作タスクで、ゼロショット運用に比べて失敗率が4.6分の1になったと報告している。
Key Facts
| 論文「On Agentic Manipulation Policies」は2026年11月6日に掲載された。 | [1] |
| AMP1はRoboLab-120でゼロショット成功率85.6％を記録し、論文記載のVLA（49.2％）、WAM（42.9％）を上回った。 | [1] |
| 実環境の12タスク、3台のロボットを用いた108試行中104試行で成功したと論文は報告した。 | [1] |
| エピソード間で保持される記憶を加えた構成は、RoboDojoの両腕操作タスクでゼロショット運用に比べ失敗率を4.6分の1にしたと報告された。 | [1] |
本紙の見方
本稿の焦点は、個別タスクのデモから専用方策を学習させる方式に対し、汎用AIモデルが操作を直接組み立てるAMPを、共通の参照ハーネスで評価した点にある。AMP1はデモもタスク別訓練も使わず、RoboLab-120で85.6％を記録した。論文記載のVLA（49.2％）とWAM（42.9％）との差は、少なくとも同ベンチマークの条件では、専門方策を個別に整える以外の設計が有力な比較対象になり得ることを示す。ただし、これは論文が報告したベンチマーク結果であり、あらゆるロボットや作業で汎用モデルが優位だと示したものではない。 実環境の108試行中104試行という結果は、ベンチマーク内の評価にとどまらない検証材料である。一方、対象は12タスクと3台のロボットであり、この規模から異なる形状の機体や長時間の連続稼働まで一般化できるかは判断できない。基本構成に把持や押す技能を与えず、隠れた物体を探すなどの行動を生成したという説明は、事前に用意した技能の組み合わせではなく、状況に応じた行動選択を評価対象に置いたことを示す。 もう一つの論点は、操作能力と経験の蓄積を分けて示した点だ。記憶を加えたAMP1では、RoboDojoの両腕操作タスクで失敗率がゼロショット時の4.6分の1になったとされる。直接操作する汎用モデルに、エピソードをまたぐ記憶を接続する構成は、単発のゼロショット性能だけでなく、経験を次の試行へ反映する仕組みを評価する方向を示す。ただし、この結果だけでは、記憶内容の形式や更新方法が異なる作業にも有効か、また記憶が誤りを持ち越す場合にどう影響するかまでは分からない。 今後の評価では、ベンチマークと実環境の結果を同じ尺度で比べられるか、試行数やタスク、機体を広げても差が保たれるかが焦点になる。加えて、失敗率の低下がどの行動や記憶によって生じたのかを切り分け、安全性を含む実運用上の評価が必要になる。論文の結果はAMPを専門方策の代替と確定するものではなく、比較・検証の枠組みを提示したものとして読むべきだ。
なぜ重要か
論文の報告では、デモやタスク別訓練を使わないAMP1がRoboLab-120で85.6％の成功率を示し、実環境試行でも108回中104回成功した。ロボット操作方策の開発・評価では、個別タスク向けの学習だけでなく、汎用モデルの直接操作と、エピソードをまたぐ記憶の効果を同じ枠組みで検証することが課題となる。